,文中通过示例代码介绍(2019年08月30日)

,文中通过示例代码介绍(2019年08月30日)

　　python 采集具有特定URL链接代码示例的百度搜索结果

　　更新时间：2019年8月30日10:24:47作者：linyouyi

　　此文章主要介绍python 采集百度搜索结果，并提供特定的URL链接代码示例。本文通过示例代码介绍了非常详细的示例，该示例代码对每个人的学习或工作都有一定的参考学习价值。朋友可以参考以下内容

　　此文章主要介绍python 采集百度搜索结果，并提供特定的URL链接代码示例。本文通过示例代码介绍了非常详细的示例，该示例代码对每个人的学习或工作都有一定的参考学习价值。朋友可以参考以下内容

#coding utf-8

import requests

from bs4 import BeautifulSoup as bs

import re

from Queue import Queue

import threading

from argparse import ArgumentParser

arg = ArgumentParser(description='baidu_url_collet py-script by xiaoye')

arg.add_argument('keyword',help='keyword like inurl:?id=for searching sqli site')

arg.add_argument('-p','--page',help='page count',dest='pagecount',type=int)

arg.add_argument('-t','--thread',help='the thread_count',dest='thread_count',type=int,default=10)

arg.add_argument('-o','--outfile',help='the file save result',dest='oufile',type=int,default='result.txt')

result = arg.parse_args()

headers = {'User-Agent':'Mozilla/5.0(windows NT 10.0 WX64;rv:50.0) Gecko/20100101 Firefox/50.0'}

class Bg_url(threading.Thread):

def __init__(self,que):

threading.Thread.__init__(self)

self._que = que

def run(self):

while not self._que.empty():

URL = self._que.get()

try:

self.bd_url_collet(URL)

except Exception,e:

print(e)

pass

def bd_url_collect(self, url):

r = requests.get(url, headers=headers, timeout=3)

soup = bs(r.content, 'lxml', from_encoding='utf-8')

bqs = soup.find_all(name='a', attrs={‘data-click‘:re.compile(r'.'), 'class':None})#获得从百度搜索出来的a标签的链接

for bq in bqs:

r = requests.get(bq['href'], headers=headers, timeout=3)#获取真实链接

if r.status_code == 200:#如果状态码为200

print r.url

with open(result.outfile, 'a') as f:

f.write(r.url + '\n')

def main():

thread = []

thread_count = result.thread_count

que = Queue()

for i in range(0,(result.pagecount-1)*10,10):

que.put('https://www.baidu.com/s?wd=' + result.keyword + '&pn=' + str(i))

or i in range(thread_count):

thread.append(Bd_url(que))

for i in thread:

i.start()

for i in thread:

i.join()

if __name__ == '__main__':

main()

#执行格式

python aaaaa.py "inurl:asp?id=" -p 30 -t 30

　　以上是本文的全部内容，希望对大家的学习有所帮助，并希望您能更多地支持Scripthome。