Python实现抓取百度搜索结果页的网站标题信息

比如，你想采集标题中包含“58同城”的SERP结果，并过滤包含有“北京”或“厦门”等结果数据。

该Python脚本主要是实现以上功能。

其中，使用BeautifulSoup来解析HTML，可以参考我的另外一篇文章：Windows8下安装BeautifulSoup

代码如下：

__author__ = '曾是土木人'

# -*- coding: utf-8 -*-

#采集SERP搜索结果标题

import urllib2

from bs4 import BeautifulSoup

import time

#写文件

def WriteFile(fileName,content):

 try:

 fp = file(fileName,"a+")

 fp.write(content + "\r")

 fp.close()

 except:

 pass

#获取Html源码

def GetHtml(url):

 try:

 req = urllib2.Request(url)

 response= urllib2.urlopen(req,None,3)#设置超时时间

 data = response.read().decode('utf-8','ignore')

 except:pass

 return data
#提取搜索结果SERP的标题

def FetchTitle(html):

 try:

 soup = BeautifulSoup(''.join(html))

 for i in soup.findAll("h3"):

 title = i.text.encode("utf-8")　　　　　　 

　　　　　　　if any(str_ in title for str_ in ("北京","厦门")):

　　　　　　　　 continue

 else:

 print title

 WriteFile("Result.txt",title)

 except:

 pass
keyword = "58同城"

if __name__ == "__main__":

 global keyword

 start = time.time()

 for i in range(0,8):

 url = "http://www.baidu.com/s?wd=intitle:"+keyword+"&rn=100&pn="+str(i*100)

 html = GetHtml(url)

 FetchTitle(html)

 time.sleep(1)

 c = time.time() - start

 print('程序运行耗时:%0.2f 秒'%(c))

以上就是Python实现抓取百度搜索结果页的网站标题信息。大概，每个人都会遇到一个不能在一起的人，放手舍不得，坚持又太累，爱而不得时最煎熬。更多关于Python实现抓取百度搜索结果页的网站标题信息请关注haodaima.com其它相关文章！