




免费预览已结束,剩余1页可下载查看
下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
龙欣SEO第 6 页2020-1-9使用python获取网站外链最近为了更好的查询老王python的外链,所以准备写一个python 脚本来查询,一般查询外链比较准确的工具还是yahoo的外链工具,但是有点不方便的就是,yahoo查出的外链要一页一页的翻,好累而且不好方便统计,我是想把网站的外链全部读取到文件里,这样比较好在本地来进行统计。废话不说,上脚本吧。#encoding=utf-8#author:老王python#description:检查网站的外链import urllibfrom sgmllib import SGMLParserimport reimport sysinfolist = #结果列表class LinkParser(SGMLParser): 抓取link列表的信息 def reset(self): SGMLParser.reset(self) self.url = #链接文本 self.li_check = 0 self.a_check = 0 self.jt_url = #具体url list = def start_li(self, tag): 检测li开头 if tag: if tag01 = sco5li0 or tag01 = sco5li1: self.li_check = 1 def start_a(self,tag): 检测a开头 if self.li_check = 1: if not tag01.startswith(50): host_re = pile(rhttps?:/(.*?)($|/), re.IGNORECASE ) self.url = host_re.search(tag01).group(1) self.jt_url = tag01 self.a_check = 1 def handle_data(self, text): 处理空白文本 txt = text.strip() if txt and self.a_check and txt != 快照: checkurl = %s,%s % (self.url,self.jt_url) listcheckurl = txt if txt = : return def end_li(self): self.li_check = 0 def end_a(self): self.a_check = 0numre = pile(r.+)#匹配总的记录数pnum = pile(rd+)checkurl = #查询网站的地址,比如checkurl = urllib.quote(checkurl)#请求地址pageurl = /search?bwm=i&bwmo=d&p=%s % (checkurl)content = urllib.urlopen(pageurl).read()c = numre.search(content).group(0)totalnum = int(pnum.search(c).group(0)#总的外链数host_re = pile(rhttp:/(?Pwww.(?:A-Z0-9-+.)1A-Z.2,6)$, re.IGNORECASE)pagesize = 50#一页显示50条if totalnum % pagesize: page = totalnum/pagesizeelse: page = (totalnum/pagesize)+1f = file(a.txt,w)for k in xrange(page): parser = LinkParser() url = /search?bwm=i&bwmo=d&p=%s&b=%s % (checkurl,k*50) print url=,url cstr = urllib.urlopen(url).read() parser.feed(cstr) parser.close() for m in list: domain,jt_url = m.split(,) print domain-,domain print jt_url-,jt_url t = url:%s,jt_url:%s,title:%sn % (domain,jt_url,lis
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 企业员工职业技能培训课程规划方案
- 义诊活动合作协议模板及填写指南
- 物流配送成本控制方案解析
- 2025重庆九龙坡职业教育中心招聘教师2人考试参考题库及答案解析
- 2026宇通集团全球校园招聘考试参考题库及答案解析
- 2025重庆飞驶特人力资源管理有限公司大足分公司派往大足区某机关事业单位招聘1人考试参考题库及答案解析
- 中医自发性气胸治疗方案指南
- 提升初中语文阅读理解能力教学方案
- 2025下半年云南能源职业技术学院公开招聘人员(44人)考试参考题库及答案解析
- 2025下半年贵州贵阳市教育系统引进高层次及急需紧缺人才100人考试参考题库及答案解析
- 2025年高考作文备考:写好主体段增强阐释性
- 【MOOC】《研究生英语科技论文写作》(北京科技大学)中国大学MOOC慕课答案
- 人教版初中、高中英语全部单词集合
- 《我爱海洋》 课件2024-2025学年广美版(2012)美术四年级上册
- T-CTSS 3-2024 茶艺职业技能竞赛技术规程
- 跟司马懿学管理
- 2024年下半年湖北省恩施巴东县乡镇事业单位考聘三支一扶人员5人易考易错模拟试题(共500题)试卷后附参考答案
- 《内科学,循环系统》课件
- 材料清单模板
- 2024-2025学年广东省深圳实验学校高中园高一(上)第一次段考数学试卷(含答案)
- 人教版(2019)高中生物必修1《分子与细胞》期末复习知识点考点提纲
评论
0/150
提交评论