<optgroup id="ycjhs"><em id="ycjhs"><del id="ycjhs"></del></em></optgroup><optgroup id="ycjhs"><em id="ycjhs"><pre id="ycjhs"></pre></em></optgroup>

    <optgroup id="ycjhs"><em id="ycjhs"><pre id="ycjhs"></pre></em></optgroup>
    <track id="ycjhs"><em id="ycjhs"></em></track>

    查看詳情

    全自動獲取指定網站頁面關鍵詞排名排名python爬蟲腳本

    本文將介紹如何通過python編寫爬蟲代碼,查詢指定網站百度收錄的網頁信息,然后獲取每個收錄的頁面的關鍵詞,查詢該關鍵詞在百度搜索結果中的排名,是一個非常實用的全自動獲取指定網站頁面關鍵詞排名排名python腳本
    以下為代碼部分:
    使用參數:seo.py www.szsudu.com 是否獨立保存結果 起始關鍵詞 鏈接文件
    seo.py   是腳本文件的文件名
    www.szsudu.com   是需要檢測的目標網站,不需要加http://上去
    是否獨立保存結果   可選值1或0,1表示將有排名的和無排名的關鍵詞結果分別保存在2個文件中,0則表示不分開保存;
    起始關鍵詞   檢測任務起始關鍵詞,常用于程序中斷后繼續檢測;
    鏈接文件   文件名稱,如url.txt,該參數讓程序直接讀取該文件中保存的url鏈接,而不再去查詢百度中的收錄情況。


    # seo.py www.szsudu.com 1 "專利" szsudu.txt 讀取szsudu.txt中的url鏈接,獲取每個頁面的關鍵詞,查詢百度搜索對應關鍵詞結果中www.szsudu.com網站的排名,并將結果分為有排名、無排名兩個文件存儲

    #!/usr/bin/python

    import os

    import requests

    import re

    import time

    import sys

    import colorama

    from selenium import webdriver

    from selenium.common.exceptions import TimeoutException

    #from selenium.webdriver.support.wait import WebDriverWait


    colorama.init(autoreset=True)

    todayStr = time.strftime("%Y%m%d",time.localtime())

    splitSave = 0

    startPos = ""

    urlFile = ""

    onlyFromUrlFile=False    #是否只檢測urlFile文件中已經收錄的頁面

    saveUnclude = False        #是否保存無排名的關鍵詞查詢結果(HTML)


    # 添加無界面參數

    options = webdriver.ChromeOptions()

    options.add_argument('--headless')

    #browser = webdriver.Chrome(options=options)

    browser = webdriver.Chrome()


    #wait= WebDriverWait(browser,10)

    headers = {

        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:74.0) Gecko/20100101 Firefox/74.0'

        }

        

    def toInt(num):

        if num !='':

            return int(num)

        else:

            return 0

        

    #日志保存

    def doLog(vstr):

        with open(todayStr + ".log",'a',encoding='utf-8') as fo:

            if vstr !="":

                fo.writelines(time.strftime("%Y-%m-%d %H:%M:%S",time.localtime()) + "\t" + vstr + "\n")

            else:

                fo.writelines(time.strftime("\n"))

                

        fo.close()


    #處理文件夾路徑

    def pathRep(vstr):

        if vstr !="":

            vstr = vstr.replace('/','\\').strip('\\') + '\\'

            return vstr


    def formatFloat(num):

        if num != '':

            return '{:.2f}'.format(num)


    def saveFile(vfile,vstr):

        if vfile !="":

            with open(vfile,'a',encoding='utf-8') as fo:

                fo.writelines(vstr+"\n")    #不存在的內容才寫入


            fo.close()


    def saveKeyword(vstr):

        if vstr !="":

            #先判斷內容是否存在

            if os.path.isfile(todayStr + '_' + url_ + '_關鍵詞.txt'):

                with open(todayStr + '_' + url_ + '_關鍵詞.txt','r',encoding='utf-8') as f:

                    oldTxt = f.read()

                    f.close()

                    #print("當前文件大小" + str(len(oldTxt)))

                    if oldTxt.find(vstr + "\n") != -1:

                        print("\033[0;31;40m\t 關鍵詞[" + vstr + "]已提取,自動忽略\033[0m ")

                        return ""


            print("\033[0;32;40m\t 關鍵詞[" + vstr + "]已保存\t\033[0m ")

            with open(todayStr + '_' + url_ + '_關鍵詞.txt','a',encoding='utf-8') as fo:

                fo.writelines(vstr+"\n")    #不存在的內容才寫入


            fo.close()


    #從代碼中提取關鍵詞信息

    def pickKW(_str):

        if len(_str)>100:

            #doLog(_str)

            #利用正則,提取keywords信息

            _arr = re.findall('<meta content="(.*?)" name="keywords"',_str,re.I)

            if len(_arr)<1:

                _arr = re.findall('<meta name="keywords" content="(.*?)"',_str,re.I)

            

            if len(_arr)>0:

                _kw = _arr[0]

                #將關鍵詞寫入文件

                if _kw !="":

                    print("\033[0;32;40m\t 頁面標簽:"+ _kw + "\t\033[0m ")

                    #對關鍵詞進行拆分

                    _arr = _kw.replace(',',',').split(',')

                    for ki in _arr:

                        saveKeyword(ki)

            else:

                print("\033[0;31;40m\t未發現有關關鍵詞標簽\033[0m ")


    #百度url解碼    

    def urlDecode(BDurl):    

        try:

            res = requests.get(BDurl,allow_redirects=False) 

            Real_url=res.headers['Location']

            return Real_url

        except requests.exceptions.ConnectionError as e:

            print('ConnectionError', e.args)

            return("")

     

        except requests.exceptions.MissingSchema as e:

            print('Schema is none', e.args)

            return("")

     

        except:

            return("")

            

    #判斷關鍵詞是否存在,并獲取排名

    def getKeyOrder(vstr):

        if len(vstr)>200:

            if vstr.find(url_) != -1:

                #通過正則查找

                result = re.findall('class="result c-container new-pmd"[\s\S]*?style="text-decoration:none;position:relative;"\>(.*?)\<\/a\>',vstr,re.I)

                j=0

                for oi in result:

                    j = j+1

                    if oi.find(url_) != -1:

                        return j

                

        return 0


    #獲取搜索關鍵詞排名

    def getKeySearch(vkey):

        global browser

        if vkey !="":

            try:

                curUrl = browser.current_url

                if curUrl.find('www.baidu.com') <0:

                    browser.get('https://www.baidu.com/')

                    

                time.sleep(1)

                #找到輸入框

                obj = browser.find_element_by_id('kw')

                obj.clear()

                obj.send_keys(vkey)

                browser.find_element_by_xpath("//*[@id='su']").click()

                time.sleep(2)

                _str_ = browser.page_source

                if _str_.find('百度安全驗證') != -1:

                    doLog('搜索 ' + vkey + ' 時出現安全驗證,3秒后關閉瀏覽器并重新打開')

                    if splitSave>0:

                        time.sleep(10)

                    else:

                        #browser.get('http://www.baidu.com')    #訪問一下百度首頁

                        browser.quit()

                        time.sleep(1)

                        browser = webdriver.Chrome()

                        browser.get('https://www.baidu.com')

                        time.sleep(5)

                        obj = browser.find_element_by_id('kw')

                        obj.send_keys(vkey)

                        browser.find_element_by_xpath("//*[@id='su']").click()

                        time.sleep(2)

                        _str_ = browser.page_source


                _order = getKeyOrder(_str_)

                #print(_order)

                if _order>0:

                    print("\033[0;31;40m\t\t\t" + vkey + ' 在百度中排名 第1頁第' + str(_order) + "名\t\033[0m ")

                    saveFile(todayStr + '_' + url_ + '_order.txt',"\t\t\t" + vkey+"\t 在百度中排名第1頁第" + str(_order))

                    return _order

                else:

                    #翻頁

                    for i in range(2,6):

                        time.sleep(1)

                        nextObj = browser.find_elements_by_css_selector("a[class='n']")

                        if len(nextObj)>0:

                            nextObj[len(nextObj)-1].click()

                            time.sleep(2)

                            _str_ = browser.page_source

                            _order = getKeyOrder(_str_)

                            if toInt(_order):

                                print("\033[0;31;40m\t\t\t" + vkey + ' 在百度中排名第' + str(i) + '頁第' + str(_order) + "\t\033[0m ")

                                saveFile(todayStr + '_' + url_ + '_order.txt',"\t\t\t" + vkey+"\t 在百度中排名第" + str(i) + "頁第" + str(_order))

                                return _order

                                

                print("\033[0;32;40m 關鍵詞[" + vkey + "] 無排名\t\033[0m ")

                if splitSave != 0:

                    saveFile(todayStr + '_' + url_ + '_order_無排名.txt',vkey+" 無排名")

                else:

                    saveFile(todayStr + '_' + url_ + '_order.txt',vkey+" 無排名")


                if saveUnclude:

                    saveFile(vkey+'.txt',_str_)

                    

                return 0

            

            except TimeoutException:

                print("請求超時")

                return ""

        else:

            print("無效的鏈接")

            return ""


    #獲取頁面源代碼

    def getHtml(vurl):

        global browser

        if vurl !="":

            try:

                browser.get(vurl)

                _str_ = browser.page_source

                if _str_.find('百度安全驗證') != -1:

                    doLog('訪問 ' + vurl + ' 時出現安全驗證,3秒后關閉瀏覽器并重新打開')

                    if splitSave>0:

                        time.sleep(10)

                    else:

                        #browser.get('http://www.baidu.com')    #訪問一下百度首頁

                        browser.quit()

                        time.sleep(1)

                        browser = webdriver.Chrome()

                        browser.get('https://www.baidu.com')

                        time.sleep(5)

                        browser.get(vurl)


                return browser.page_source

            except TimeoutException:

                print("請求超時")

                return ""

        else:

            print("無效的鏈接")

            return ""


    print("程序成功啟動")



    if len(sys.argv)<2:

        print("參數不足")

    else:

        url_ = sys.argv[1]

        if len(sys.argv)>2:

            splitSave = toInt(sys.argv[2])    #是否分開保存有排名、無排名結果

            if len(sys.argv)>3:

                startPos = sys.argv[3]

                if len(sys.argv)>4:

                    urlFile = sys.argv[4]


        url_ = url_.replace("http://","")

        url_ = url_.replace("https://","")

        kwArr = []

        #提取 [日期]_url.txt 文本,如果不存在,從百度獲取數據

        if not os.path.isfile(todayStr + '_' + url_ + '_關鍵詞.txt'):

            #當日可能未抓取,先從百度中提取鏈接

            urlArr = []

            if urlFile !="":

                if not os.path.isfile(urlFile):

                    urlFile=""


            if urlFile=="":

                for page in range(0,10):

                    print("正在從百度獲取URL,第"+str(page+1)+"頁")

                    htmlStr = getHtml("http://www.baidu.com/s?ie=utf-8&wd=site%3A%3A"+url_+"&pn=" + str(page*10))    #采用site::網址的形式,得出來的結果會更多

                    #if htmlStr.find('class="n">下一頁') != -1:

                    #    _str = getHtml("http://www.baidu.com/s?ie=utf-8&wd=site%3A"+url_+"&rn=50&pn=" + str(page))

                    #    htmlStr = htmlStr + _str


                    a_href =re.findall('<a.*?href="http\:\/\/www\.baidu\.com\/link\?url=(.*?)".*?',htmlStr,re.I) #利用正則,提取所有a鏈接

                    a_href = set(a_href) #過渡重復的鏈接

                    for i in a_href:

                        if i!="":

                            #提取真實url

                            real_url = urlDecode("http://www.baidu.com/link?url=" + i)

                            if real_url.find(url_) != -1:

                                if not real_url in urlArr:

                                    urlArr.append(real_url)

                                    saveFile(todayStr + '_' + url_ + '_url.txt',real_url)

                                    print("獲取到鏈接:" + real_url)

                                else:

                                    print(real_url + "已收錄")


                    #如果沒有“下一頁”,則結束

                    if htmlStr.find('class="n">下一頁') == -1:

                        break;

            else:

                #獲取鏈接文件中的URL

                if os.path.isfile("已收錄_" + urlFile):

                    with open("已收錄_" + urlFile) as uf:

                        uStr = uf.read()

                        uf.close()

                        if uStr !='':

                            urlArr = uStr.split("\n")

                else:

                    with open(urlFile) as uf:

                        uStr = uf.read()

                        uf.close()

                        if uStr !='':

                            urlArr = uStr.split("\n")

                            if onlyFromUrlFile== True:

                                tmpArr = []

                                for ui in urlArr:

                                    if ui !="":

                                        htmlStr = getHtml("http://www.baidu.com/s?ie=utf-8&wd="+ui)

                                        if htmlStr.find("<b>" + url_.replace("http://","")) != -1:

                                            print(ui + "已收錄")

                                            tmpArr.append(ui)

                                            saveFile("已收錄_" + urlFile,ui)

                                        else:

                                            print("\033[0;32;40m\t\t " + ui + "頁面未收錄\033[0m ")

                                        #time.sleep(1)

                                if len(tmpArr)>0:

                                    urlArr = tmpArr

                        else:

                            print("無法獲取配置文件中的內容," + urlFile)


            print("鏈接獲取完成,即將提取關鍵詞標簽")

            #遍歷urlArr中的數據

            for ui in urlArr:

                _ui = ui

                if _ui.find('://') == -1:

                    _ui = 'http://' + _ui


                res = requests.get(_ui)

                if len(res.text)>100:

                    #提取關鍵詞

                    pickKW(res.text)


        #讀取關鍵詞

        with open(todayStr + '_' + url_ + '_關鍵詞.txt','r',encoding='utf-8') as f:

            kwStr = f.read()

            f.close()

            if kwStr !='':

                kwArr = kwStr.split("\n")

                #查詢排名

                for ki in kwArr:

                    if ki!="":

                        if startPos!="":

                            if ki==startPos:

                                startPos = ""

                            else:

                                print("跳過檢測[" + ki + "]關鍵詞")

                                continue


                        print("準備3s后查找關鍵詞:\t" + ki)

                        time.sleep(3)

                        getKeySearch(ki)


        browser.quit()

        print("\033[0;32;40m\t 操作完成\033[0m ")


    程序運行界面如下圖:
    獲取網站頁面關鍵詞排名pyhon爬蟲


    原創內容,轉載請注明出處:網站建設,APP開發,小程序開發請找江西居道科技有限公司,http://www.epilocator.com

    智能建站系統代理招商
    所屬分類:文章中心??????Time:2021-03-16 08:41:46??????人氣:1142
    關閉
    13517086454
    欧美国产亚洲日韩|国产精品视频分类精品|伊人久久大香线蕉AV五月|337p日本欧美大胆色嘟嘟

      <optgroup id="ycjhs"><em id="ycjhs"><del id="ycjhs"></del></em></optgroup><optgroup id="ycjhs"><em id="ycjhs"><pre id="ycjhs"></pre></em></optgroup>

      <optgroup id="ycjhs"><em id="ycjhs"><pre id="ycjhs"></pre></em></optgroup>
      <track id="ycjhs"><em id="ycjhs"></em></track>