文档章节

查询阿里巴巴关键字排名

程序猿刚子
 程序猿刚子
发布于 2014/01/13 16:23
字数 476
阅读 179
收藏 6

记录下自己实现阿里巴巴关键词排名查询的主要代码及pyquery、urllib库的基础用法

  1. urllib 基础模块的应用,通过该类获取到url中的html文档信息,内部可以重写代理的获取方法

    <!-- lang: python -->

    class ProxyScrapy(object): def init(self): self.proxy_robot = ProxyRobot() self.current_proxy = None self.cookie = cookielib.CookieJar()

    def __builder_proxy_cookie_opener(self):
    cookie_handler = urllib2.HTTPCookieProcessor(self.cookie)
    handlers = [cookie_handler]

     if PROXY_ENABLE:
         self.current_proxy = ip_port = self.proxy_robot.get_random_proxy()
         proxy_handler = urllib2.ProxyHandler({'http': ip_port[7:]})
         handlers.append(proxy_handler)
    
     opener = urllib2.build_opener(*handlers)
     urllib2.install_opener(opener)
     return opener
    

    def get_html_body(self,url): opener = self.__builder_proxy_cookie_opener()

     request=urllib2.Request(url)
     #request.add_header("Accept-Encoding", "gzip,deflate,sdch")
     #request.add_header("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8")
     #request.add_header("Cache-Control", "no-cache")
     #request.add_header("Connection", "keep-alive")
    
     try:
         response = opener.open(request,timeout=2)
    
         http_code = response.getcode()
         if http_code == 200:
             if PROXY_ENABLE:
                 self.proxy_robot.handle_success_proxy(self.current_proxy)
             html = response.read()
             return html
         else:
             if PROXY_ENABLE:
                 self.proxy_robot.handle_double_proxy(self.current_proxy)
             return self.get_html_body(url)
     except Exception as inst:
         print inst,self.current_proxy
         self.proxy_robot.handle_double_proxy(self.current_proxy)
         return self.get_html_body(url)
    
  2. [代码]根据输入的公司名及关键词列表,返回每个关键词的排名

    <!-- lang: python -->

    def search_keywords_rank(keyword_company_name, keywords): def get_context(url): start=clock() html=curl.get_html_body(url) finish=clock() print url,(finish-start)

     d = pq(html)
     items = d("#J-items-content .ls-item")
     items_c = len(items)
     print items_c
     if items_c < 38:
         return get_context(url)
     return items, items_c
    

    result = OrderedDict() for keyword in keywords: for page_index in range(1,9): u = url % (re.sub('\s+', '_', keyword.strip()), page_index) items, items_c = get_context(u) b = False for item_index in range(0, items_c): e=items.eq(item_index).find('.title a') p_title = e.text() p_url = e.attr('href')

             e=items.eq(item_index).find('.cright h3 .dot-product')
             company_name = e.text()
             company_url = e.attr('href')
    
             if  keyword_company_name in company_url:
                 total_index = (page_index-1)*38 +item_index+1+(0 if page_index==1 else 5)
                 print 'page %s, index %s, total index %s' % (page_index, item_index+1, total_index)
                 b = True
                 if keyword not in result:
                     result[keyword] = (p_title, p_url, page_index, item_index+1, total_index, u)
                 break
         if b:
             break
    

    return result

http://www.freeb2bmarket.com/keywordtool/

由于想放在web服务器上面,这个web页面实际上是用tonardo做的, 在php和tonado同用一个端口的话又用了nginx做前端代理服务器,对nginx的设置也是这次应用的一个学习点吧 ;)

© 著作权归作者所有

程序猿刚子
粉丝 14
博文 18
码字总数 7972
作品 0
丰台
高级程序员
私信 提问
查询网页在指定关键词上的百度排名 - baidu-rank

baidu-rank 查询网页在指定关键词上的百度排名。 安装 $ npm install baidu-rank 使用 下面的代码用来查询网页 在 vuex 关键字上的排名,查询范围为百度搜索结果页1~76: var baiduRank = re...

匿名
2018/06/10
309
0
《阿里巴巴MongoDB4.0高级实战:基于Java Spring Boot 2.0》运维、监控、聚合、集群、监控等高级面试题

《阿里巴巴MongoDB4.0高级实战》阿里巴巴技术大牛 资深专家P9叶翔、专家徐雷. NoSQL排名第一!最流行的NoSQL数据库;谷歌、阿里巴巴、蚂蚁金服、腾讯、百度等一线互联网公司必备技能。 本系列...

徐雷frank
2018/11/01
0
0
电子商务产品中的 sql 查询,求教

引用iteye博客中的一篇文章,作者也在osc 我把文章部分描述直接复制过了得了。 我采用文章中描述的第三种方案,需要按照属性对商品做筛选,才疏学浅,求亲们指教。 以下为复制内容 前几天有人...

布谷鸟
2013/01/26
423
9
dySE:一个 Java 搜索引擎的实现,第 3 部分: 查询服务

在之前的两个部分中,您了解到 spider 的编写和对原始网页库的预处理:通过 spider 我们得到一个原始网页库,而通过预处理部分建立网页的索引,并用分词器对网页进行分词进而创建倒排索引。本...

yaraja
2012/02/02
395
0
基础知识(C#语法、数据库SQL Server)回顾与总结

前言 已经有大概一个多月没有更新博客,可能是开始变得有点懒散了吧,有时候想写,但是又需要额外投入更多的时间去学习,感觉精力完全不够用啊,所以为了弥补这一个多月的潜水,决定写一篇,...

jeffcky
2017/09/16
0
0

没有更多内容

加载失败,请刷新页面

加载更多

shangcheng-my

1.数据库主键、外键类型为bigint,那么在后台应该用什么类型的变量定义? 后台用string接收,因为前段传过来的一般都是json字符串,后台直接接收,mysql是可以吧数字类型的字符串转换为对应的...

榴莲黑芝麻糊
昨天
1
0
微服务架构依赖图

基于spring-cloud-alibaba + dubbo

龙影
昨天
3
0
Centos7 安装zabbix-agent

rpm -i https://repo.zabbix.com/zabbix/4.2/rhel/6/x86_64/zabbix-release-4.2-2.el6.noarch.rpm 可以到https://repo.zabbix.com/zabbix找到对应的版本 yum install zabbix-agent -y 出现E......

abowu
昨天
8
0
文本编辑器GNU nano 4.4 发布

GNU nano 4.4 "Hagelslag" 更新日志: 启动时,光标可以放在第一个或最后一个出现位置 字符串前面带有+/string 或 +?string的字符串。 发生自动硬包装时((--breaklonglines),任何前导引号...

linuxCool
昨天
7
0
你知道字节序吗

字节序 最近在调一个自定义报文的接口时,本来以为挺简单的,发现踩了好几个坑,其中一个比较“刻骨铭心”的问题就是数据的字节序问题。 背景 自定义报文,调用接口,服务端报文解析失败 iO...

杭城小刘
昨天
3
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部