教程:Python与seo工具脚本,360/搜狗相关搜索词采集源码参考

优采云 发布时间: 2022-10-14 07:15

  教程:Python与seo工具脚本,360/搜狗相关搜索词采集源码参考

  搜索引擎相关的搜索词应该是很多seoer都在寻找并选择使用的关键词扩展类别。除了流行的百度相关搜索词采集,当然还有360搜索引擎和搜狗搜索引擎,当然知道方法之后,python的应用基本一样,唯一的就是你需要关心的是词本身和反爬虫的局限性!

  不,这是这个人渣第二次在360搜索上翻车,注意,这是第二次,第一次,*敏*感*词*翻车还是在采集360搜索题中翻车并回答,真的很好伤疤忘记了疼痛,太久了!!

  360搜索大力出奇迹,不,大力出验证码。.

  本渣渣通过使用正则来实现这里相关关键词的获取,参考了很多源码,使用正则更加方便快捷!

  360搜索相关关键词key源码

  re.findall(r&#39;(.+?)</a>&#39;, html, re.S | re.I)

  搜狗搜索相关关键词关键源码

  re.findall(r&#39;<p>(.+?)</a>&#39;, html, re.S | re.I)

</p>

  大家可以参考自己的学习,毕竟没什么好说的!

  附上360搜索相关关键词采集源码供大家参考学习!PS:我没写代码,我没用,怎么写?!

  #!/usr/bin/env python3

# -*- coding: utf-8 -*-

"""

360相关搜索词挖掘脚本(多线程版)

基于python3.8

需要安装requests模块

@author:微信/huguo00289

"""

import re

from queue import Queue

from threading import Thread

import requests,random

class Qh360Spider(Thread):

    result = {}  # 保存结果字典

    seen = set()  # 表示在队列中的关键词(已抓取或待抓取)

    def __init__(self, kw_queue, loop, failed):

        super(Qh360Spider, self).__init__()

        self.kw_queue = kw_queue  # 关键词队列

        self.loop = loop  # 循环挖词拓展次数

        self.failed = failed  # 保存查询失败的关键词文件

        self.ua_list = [

            &#39;Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.835.163 Safari/535.1&#39;,

            &#39;Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36Chrome 17.0&#39;,

            &#39;Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11&#39;,

            &#39;Mozilla/5.0 (Windows NT 6.1; WOW64; rv:6.0) Gecko/20100101 Firefox/6.0Firefox 4.0.1&#39;,

            &#39;Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1&#39;,

            &#39;Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50&#39;,

            &#39;Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50&#39;,

            &#39;Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11&#39;,

        ]

    def run(self):  # 程序的执行流程

        while True:

            # 从队列里面获取一个关键词及其对应的当前拓展次数

            kw, cloop = self.kw_queue.get()

            print(&#39;CurLoop:{} Checking: {}&#39;.format(cloop, kw))

            query = &#39;https://www.so.com/s?q={}&#39;.format(kw)  # 构建含关键词的url

            try:

                source = self.download(query, timeout=10)

<p>

                # source = self.download(query,timeout=10,user_agent=self.ua)

                if source:

                    kw_list = self.extract(source)

                    print(kw_list)

                    self.filter(cloop, kw_list)

                else:

                    # 获取源码失败,保存查询失败的关键词

                    self.failed.write(&#39;{}\n&#39;.format(kw))

            finally:

                self.kw_queue.task_done()

    def download(self, url, timeout=5, proxy=None, num_retries=5):

        """

        通用网页源码下载函数

        :param url: 要下载的url

        :param timeout: 请求超时时间,单位/秒。可能某些网站的反应速度很慢,所以需要一个连接超时变量来处理。

        :param user_agent: 用户代理信息,可以自定义是爬虫还是模拟用户

        :param proxy: ip代理(http代理),访问某些国外网站的时候需要用到。必须是双元素元组或列表(‘ip:端口’,‘http/https’)

        :param num_retries: 失败重试次数

        :return: HTML网页源码

        """

        headers = {

            "Cookie": "QiHooGUID=41F80B0CCE5D43A22EEF0305A12CDE3F.1596003342506; __guid=15484592.2994995584481314300.1596003341831.5723; soid=TjzBKt3zrO-Rh1S7fXSb0S!6kmX5TlEerB2URZz9v4; __md=667cb161f9515972323507763d8fa7dd643a65bd2e88034.9; dpr=1; isafe=1; webp=1; _uc_m2=886a48052dbb9e2291f80055746e0d4f1f110f922b2f; _uc_mid=7cb161f953d8fa7dd643a65bd2e88034; __huid=11xZqhEl%2FfVeqclI4j%2BdQeQvX63Oph%2F%2BCVM5vxqYGxQI4%3D; Q=u%3Duhthb002%26n%3D%26le%3DAwH0ZGV5ZGR3WGDjpKRhL29g%26m%3DZGH5WGWOWGWOWGWOWGWOWGWOZGL0%26qid%3D144048053%26im%3D1_t018c25fbb66797efb2%26src%3D360chrome%26t%3D1; T=s%3D2afa764886f737dd5d23421c30f87a1f%26t%3D1595934758%26lm%3D0-1%26lf%3D2%26sk%3De485bbde46ac34fc27f*敏*感*词*0215de76*敏*感*词*4%26mt%3D1595934758%26rc%3D1%26v%3D2.0%26a%3D1; _S=tg75a7e3fmv0mfdfkt8jlpfpj6; stc_ls_sohome=RRzRSR!RTR(RUR_RVR; gtHuid=1; homeopenad=1; _pp_wd=1; _ga=GA1.2.607533084.1598082638; _gid=GA1.2.1887117715.1598082638; count=6; erules=p1-9%7Cp2-11%7Cp4-3%7Cecl-2%7Ckd-1%7Cp3-2",

            &#39;User-Agent&#39;: random.choice(self.ua_list)

        }

        try:

            # 打开网页并读取内容存入html变量中

            resp = requests.get(url, headers=headers, proxies=proxy, timeout=timeout)

            print(resp.status_code)

        except requests.RequestException as err:

            print(&#39;Download error:&#39;, err)

            html = None  # 如果有异常,那么html肯定是没获取到的,所以赋值None

            if num_retries > 0:

                return self.download(url, timeout, proxy, num_retries - 1)

        else:

            html = resp.content.decode(&#39;utf-8&#39;)

            #print(html)

        return html

    @staticmethod

    def extract(html):

        &#39;&#39;&#39;

        提取关键词

        :param html:搜索结果源码

        :return:提取出来的相关关键词列表

        &#39;&#39;&#39;

        return re.findall(r&#39;(.+?)</a>&#39;, html, re.S | re.I)

    def filter(self, current_loop, kwlist):

        &#39;&#39;&#39;

        关键词过滤和统计函数

  

        :param current_loop: 当前拓展的次数

        :param kwlist: 提取出来的关键词列表

        :return: None

        &#39;&#39;&#39;

        for kw in kwlist:

            # 判断关键词是不是已经被抓取或者已经存在关键词队列

            # 判断当前的拓展次数是否已经超过指定值

            if current_loop  0:

                print("有东西")

            print(&#39;111&#39;)

            save.write(line)

            save.flush()  # 刷新缓存,避免中途出错

        save.close()

    print(&#39;done,完成挖掘&#39;)

</p>

  如果您无法访问 ip 代理,那么协调起来非常容易。毕竟,你可以大力获取验证码并尝试一下。速度还可以,但是太容易被360搜索和反爬网封杀。想要正常稳定运行,不知道访问代理的ip状态。怎么样,同时还得有一个cookies库!

  技术文章:Python与SEO,三大SEO网站查询工具关键词查询采集源码!

  网站关键词查询挖掘,包括三个常用的网站seo查询工具站点,爱站、站长、5118,其中爱站和站长最多可查询50页,5118可查询100页。如需查询网站关键词的完整排名数据,需要充值购买会员。当然,免费查询也需要注册会员,否则无从查询。权限!

  5118

  网站地址和Cookie协议头必须自己填写,查询需要登录权限!

  # 5118网站关键词采集

# -*- coding: utf-8 -*-

import requests

from lxml import etree

import time

import logging

logging.basicConfig(filename=&#39;s5118.log&#39;, level=logging.DEBUG,format=&#39;%(asctime)s - %(levelname)s - %(message)s&#39;)

#获取关键词

def get_keywords(site,page):

    url="https://www.5118.com/seo/baidupc"

    headers={

        "Cookie":Cookie,

        "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36",

    }

    data={

        "isPager": "true",

        "viewtype": 2,

        "days": 90,

        "url": site,

        "orderField": "Rank",

        "orderDirection" : "sc",

        "pageIndex": page,

        "catalogName": "",

        "referKeyword": "",

    }

    response=requests.post(url=url,data=data,headers=headers,timeout=10)

    print(response.status_code)

    html=response.content.decode(&#39;utf-8&#39;)

    tree=etree.HTML(html)

    keywords=tree.xpath(&#39;//td[@class="list-col justify-content "]/a[@class="w100 all_array"]/text()&#39;)

    print(keywords)

    save_txt(keywords, site)

    return keywords

#存储为csv文件

def save_csv(keywords,site):

    filename=site.replace("www.",&#39;&#39;).replace(".com",&#39;&#39;).replace(".cn",&#39;&#39;).replace(&#39;https://&#39;,&#39;&#39;).replace(&#39;http://&#39;,&#39;&#39;)

    for keyword in keywords:

        with open(f&#39;5118_{filename}.csv&#39;,&#39;a+&#39;,encoding=&#39;utf-8-sig&#39;) as f:

            f.write(f&#39;{keyword}\n&#39;)

    print("保存关键词列表成功!")

#存储为txt文件

def save_txt(keywords,site):

    filename=site.replace("www.",&#39;&#39;).replace(".com",&#39;&#39;).replace(".cn",&#39;&#39;).replace(&#39;https://&#39;,&#39;&#39;).replace(&#39;http://&#39;,&#39;&#39;)

    for keyword in keywords:

        with open(f&#39;5118_{filename}.txt&#39;,&#39;a+&#39;,encoding=&#39;utf-8&#39;) as f:

            f.write(f&#39;{keyword}\n&#39;)

    print("保存关键词列表成功!")

def main(site):

    logging.info(f"开始爬取网站{site}关键词数据..")

    num = 100

    keys=[]

    for page in range(1,num+1):

        print(f"正在爬取第{page}页数据..")

        logging.info(f"正在爬取第{page}页数据..")

        try:

            keywords = get_keywords(site, page)

            keys.extend(keywords)

            time.sleep(8)

        except Exception as e:

            print(f"爬取第{page}页数据失败--错误代码:{e}")

            logging.error(f"爬取第{page}页数据失败--错误代码:{e}")

            time.sleep(10)

    keys = set(keys)  #去重

    save_csv(keys, site)

<p>

if __name__ == &#39;__main__&#39;:

    site=""

    main(site)</p>

  爱站

  网站地址和Cookie协议头必须自己填写,查询需要登录权限!

  # 爱站网站关键词采集

# -*- coding: utf-8 -*-

import requests

from lxml import etree

import time

import logging

logging.basicConfig(filename=&#39;aizhan.log&#39;, level=logging.DEBUG,format=&#39;%(asctime)s - %(levelname)s - %(message)s&#39;)

#获取关键词

def get_keywords(site,page):

    url=f"https://baidurank.aizhan.com/baidu/{site}/-1/0/{page}/position/1/"

    headers = {

        "Cookie":Cookie ,

    }

    response = requests.get(url=url,headers=headers, timeout=10)

    print(response.status_code)

    html = response.content.decode(&#39;utf-8&#39;)

    tree = etree.HTML(html)

    keywords = tree.xpath(&#39;//td[@class="title"]/a[@class="gray"]/@title&#39;)

    print(keywords)

    save_txt(keywords, site)

    return keywords

#存储为csv文件

def save_csv(keywords,site):

    filename=site.replace("www.",&#39;&#39;).replace(".com",&#39;&#39;).replace(".cn",&#39;&#39;).replace(&#39;https://&#39;,&#39;&#39;).replace(&#39;http://&#39;,&#39;&#39;)

    for keyword in keywords:

        with open(f&#39;aizhan_{filename}.csv&#39;,&#39;a+&#39;,encoding=&#39;utf-8-sig&#39;) as f:

            f.write(f&#39;{keyword}\n&#39;)

    print("保存关键词列表成功!")

#存储为txt文件

def save_txt(keywords,site):

    filename=site.replace("www.",&#39;&#39;).replace(".com",&#39;&#39;).replace(".cn",&#39;&#39;).replace(&#39;https://&#39;,&#39;&#39;).replace(&#39;http://&#39;,&#39;&#39;)

    for keyword in keywords:

        with open(f&#39;aizhan_{filename}.txt&#39;,&#39;a+&#39;,encoding=&#39;utf-8&#39;) as f:

            f.write(f&#39;{keyword}\n&#39;)

    print("保存关键词列表成功!")

def main(site):

    logging.info(f"开始爬取网站{site}关键词数据..")

    num = 50

    keys=[]

    for page in range(1,num+1):

        print(f"正在爬取第{page}页数据..")

        logging.info(f"正在爬取第{page}页数据..")

        try:

            keywords = get_keywords(site, page)

            keys.extend(keywords)

            time.sleep(8)

        except Exception as e:

            print(f"爬取第{page}页数据失败--错误代码:{e}")

            logging.error(f"爬取第{page}页数据失败--错误代码:{e}")

            time.sleep(10)

    keys = set(keys)  #去重

    save_csv(keys, site)

if __name__ == &#39;__main__&#39;:

    site=""

    main(site)

  站长

  网站地址和Cookie协议头必须自己填写,查询需要登录权限!

  # 站长之家网站关键词采集

# -*- coding: utf-8 -*-

import requests

from lxml import etree

<p>

import time

import logging

logging.basicConfig(filename=&#39;chinaz.log&#39;, level=logging.DEBUG,format=&#39;%(asctime)s - %(levelname)s - %(message)s&#39;)

#获取关键词

def get_keywords(site,page):

    headers={

        "Cookie":Cookie,

        "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36",

    }

    url=f"https://rank.chinaz.com/{site}-0---0-{page}"

    response=requests.get(url=url,headers=headers,timeout=8)

    print(response)

    html=response.content.decode(&#39;utf-8&#39;)

    tree=etree.HTML(html)

    keywords=tree.xpath(&#39;//ul[@class="_chinaz-rank-new5b"]/li[@class="w230 "]/a/text()&#39;)

    print(keywords)

    save_txt(keywords, site)

    return keywords

#存储为csv文件

def save_csv(keywords,site):

    filename=site.replace("www.",&#39;&#39;).replace(".com",&#39;&#39;).replace(".cn",&#39;&#39;).replace(&#39;https://&#39;,&#39;&#39;).replace(&#39;http://&#39;,&#39;&#39;)

    for keyword in keywords:

        with open(f&#39;chinaz_{filename}.csv&#39;,&#39;a+&#39;,encoding=&#39;utf-8-sig&#39;) as f:

            f.write(f&#39;{keyword}\n&#39;)

    print("保存关键词列表成功!")

#存储为txt文件

def save_txt(keywords,site):

    filename=site.replace("www.",&#39;&#39;).replace(".com",&#39;&#39;).replace(".cn",&#39;&#39;).replace(&#39;https://&#39;,&#39;&#39;).replace(&#39;http://&#39;,&#39;&#39;)

    for keyword in keywords:

        with open(f&#39;chinaz_{filename}.txt&#39;,&#39;a+&#39;,encoding=&#39;utf-8&#39;) as f:

            f.write(f&#39;{keyword}\n&#39;)

    print("保存关键词列表成功!")

def main(site):

    logging.info(f"开始爬取网站{site}关键词数据..")

    num = 50

    keys=[]

    for page in range(1,num+1):

        print(f"正在爬取第{page}页数据..")

        logging.info(f"正在爬取第{page}页数据..")

        try:

            keywords = get_keywords(site, page)

            keys.extend(keywords)

            time.sleep(8)

        except Exception as e:

            print(f"爬取第{page}页数据失败--错误代码:{e}")

            logging.error(f"爬取第{page}页数据失败--错误代码:{e}")

            time.sleep(10)

    keys = set(keys)  #去重

    save_csv(keys, site)

if __name__ == &#39;__main__&#39;:

    site=""

    main(site)</p>

  过去推荐:

  Python爬虫的三种分析方法为您带来360搜索排名查询

  Python和seo工具全网搜索查询助手exe

  Python百度下拉框关键词采集工具

  Python制作sitemap.xml文件工具源码

  Python调用翻译API接口实现“智能”伪原创

  百度快队的 Python selenium 实现搜索访问目标网站

  ·······结尾·······

  大家好,我是二叔

  进城的革命老区农民工,

  非早期非专业的互联网站长,

  喜欢python,写,读,英文

  不受欢迎的程序,自媒体,seo。. .

  公众号不赚钱,只做一个网友。

  读者交流群已成立,找我并备注“交流”,即可加入我们~

  听说“看”的人更好看~

  关注二叔~把python的内容分享给大家,写读读~

0 个评论

要回复文章请先登录注册


官方客服QQ群

微信人工客服

QQ人工客服


线