搜索引擎爬虫实战:使用Python爬取Google和Bing搜索结果




import requests
from bs4 import BeautifulSoup
 
def crawl_google(query, num_results=10):
    base_url = "https://www.google.com/search?q={query}&num={num}"
    params = {
        "query": query.replace(' ', '+'),
        "num": num_results
    }
    url = base_url.format(**params)
    headers = {
        "User-Agent": "Mozilla/5.0",
        "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9"
    }
    response = requests.get(url, headers=headers)
    return response.text
 
def crawl_bing(query, num_results=10):
    base_url = "https://www.bing.com/search?q={query}&count={num}"
    params = {
        "query": query.replace(' ', '+'),
        "num": num_results
    }
    url = base_url.format(**params)
    headers = {
        "User-Agent": "Mozilla/5.0",
        "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9"
    }
    response = requests.get(url, headers=headers)
    return response.text
 
def parse_results(html_content, engine='Google'):
    soup = BeautifulSoup(html_content, 'html.parser')
    results = soup.find_all('div', class_='r') if engine == 'Google' else soup.find_all('li', class_='b_algo')
    parsed_results = []
    for result in results:
        link = result.find('a')
        if link:
            title = link.text
            href = link['href']
            parsed_results.append({'title': title, 'link': href})
    return parsed_results
 
# 使用示例
google_results = parse_results(crawl_google('Python'), engine='Google')
bing_results = parse_results(crawl_bing('Python'), engine='Bing')
 
print("Google Results:")
for result in google_results:
    print(f"Title: {result['title']}, Link: {result['link']}")
 
print("\nBing Results:")
for result in bing_results:
    print(f"Title: {result['title']}, Link: {result['link']}")

这段代码定义了两个函数crawl_googlecrawl_bing来分别爬取Google和Bing的搜索结果,然后定义了一个parse_results函数来解析返回的HTML内容,提取出搜索结果的标题和链接。最后,我们使用这些函数来爬取"Python"作为关键词的搜索结果,并打印出来。这个例子展示了如何使用Python进行基本的网络爬虫,并且说明了如何处理动态内容和反爬虫策略。

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日