这篇文章主要介绍了python采集百度搜索结果带有特定URL的链接代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

#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

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持聚米学院。

python模拟百度搜索点击链接_python采集百度搜索结果带有特定URL的链接代码实例...相关推荐

  1. python删除字典中性别为男_python初学者,用python3实现基本的学生管理系统代码实例...

    本篇文章主要分享python学生管理系统的使用,文章非常详细地介绍了通过示例代码实现的学生管理系统,该系统对每个人的研究或工作都有一定的参考学习价值,希望你能在其中有所收获. 这个是用python实现 ...

  2. python模拟鼠标键盘点击,简单自动化动物餐厅

    Python模拟鼠标键盘点击自动化 首先在玩动物餐厅的时候发现他需要连续点击才能完成任务,而这有是一项枯燥而复杂的任务,所以我就想到用python的鼠标模拟来自动完成 Python中模拟键盘和鼠标最著 ...

  3. python如何提取网络链接_Python网络爬虫——把一个网页中所有的链接地址提取出来(去重)...

    # 把一个网页中所有的链接地址提取出来. 运行环境Python3.6.4-实现代码:import urllib.request import re #1. 确定好要爬取的入口链接 url = &quo ...

  4. 关于百度排名点击器作弊提升百度排名的说明

    来自网络收集的资料 这是2012年5月3日的一篇报道 http://lusongsong.com/blog/post/385.html 最近百度进行大规模的算法升级和改版,其中一点就是针对点击软件做算 ...

  5. python演示验证图像叠加过程_Python叠加矩形框图层2种方法及效果代码实例

    本篇文章小编给大家分享一下Python叠加矩形框图层2种方法及效果代码实例,代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看. 两种方式以及效果: 方式一,使用 ...

  6. python模拟浏览器下载文件在哪里_python下selenium模拟浏览器基础操作

    1.安装及下载 selenium安装: pip install selenium  即可自动安装selenium geckodriver下载:https://github.com/mozilla/ge ...

  7. python爬取地图上的经纬度_Python调用百度地图API爬取经纬度

    作者:国服帅座  经济学在读硕士 微信公众号:统计之家 你吃肯德基,我点麦当劳.本是替代品,却众口难调.每个人都有独特的偏好,都有一份要坚守的情怀.高德与百度,你心仪哪款呢? 认识百度地图API 百度 ...

  8. python调用百度接口实现ocr识别_Python调用百度OCR实现图片文字识别的示例代码

    百度AI提供了一天50000次的免费文字识别额度,可以愉快的免费使用!下面直接上方法: 首先在百度AI创建一个应用,按照下图创建即可,创建后会获得如下: 创建后会获得如下信息: APP_ID = '* ...

  9. python百度贴吧发帖签到_python 爬虫 百度贴吧签到小工具

    import requests,re,time header ={ "Cookie":"登陆过账号后的cookie 必须填写", "User-Agen ...

最新文章

  1. YII 测试环境搭建
  2. 【算法】快速选择算法 ( 数组中找第 K 大元素 )
  3. Day01_JAVA语言基础第一天
  4. Metasploit从文件中读取目标地址
  5. Python_面试题
  6. 我很喜欢玩游戏,那么我就适合做游戏程序员吗?
  7. poj2299 ( bit )
  8. python程序设计知识点汇总_Python入门知识点汇总
  9. 工作 5 年,为什么我却越混越差?
  10. 基于Bayes和KNN的newsgroup 18828文本分类器的Python实现
  11. 柯马机器人示教器编程_柯马机器人示教器C5G-TP5WC CR17910085全新原装进口现货销售...
  12. C语言图书管理系统 文件数据库
  13. idea 代码格式化 无效
  14. 程序员能考哪些证书?这个几个不能少
  15. linux u盘 写保护,高手分享U盘被写保护的解决方案
  16. 报错“/sbin/ldconfig.real: /usr/lib/x86_64-linux-gnu/libopencv_video.so.3.2 is not a symbolic link“
  17. 【韧性架构】韧性性工程的重要性
  18. Visual C++游戏编程基础之多背景循环动画
  19. 游戏设计的艺术:一本透镜的书——第十五章 其中一种体验是故事
  20. MySQL本天早上8点到明早8点_从早上8点到晚上8点共多少小时,算式进

热门文章

  1. python soup findall_Python之BeautifulSoup常用详细使用
  2. 2017.3.29 报表统计 思考记录
  3. 2017.3.14 游戏(scoi2009) 失败总结
  4. 【英语学习】【WOTD】sequester 释义/词源/示例
  5. Intel Sandy Bridge/Ivy Bridge架构/微架构/流水线 (19) - 系统代理
  6. Java写一个简单的扫雷游戏
  7. python元组和列表的联系_Python | 一文看懂Python列表、元组和字符串操作
  8. 使用 Subversion (SVN) 的方式来访问 Github
  9. 介绍一关于Navier-Stokes方程的神级博文
  10. 瑞驰vCloud超融合让数据中心业务更稳定