Python查询阿里巴巴关键字排名的方法
本文实例讲述了Python查询阿里巴巴关键字排名的方法。分享给大家供大家参考。具体如下：
这里使用python库urllib及pyquery基本东西的应用，实现阿里巴巴关键词排名的查询，其中涉及到urllib代理的设置，pyquery对html文档的解析
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
classProxyScrapy(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]
ifPROXY_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)
returnopener
defget_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()
ifhttp_code==200:
ifPROXY_ENABLE:
self.proxy_robot.handle_success_proxy(self.current_proxy)
html=response.read()
returnhtml
else:
ifPROXY_ENABLE:
self.proxy_robot.handle_double_proxy(self.current_proxy)
returnself.get_html_body(url)
exceptExceptionasinst:
printinst,self.current_proxy
self.proxy_robot.handle_double_proxy(self.current_proxy)
returnself.get_html_body(url)
2.根据输入的公司名及关键词列表，返回每个关键词的排名
defsearch_keywords_rank(keyword_company_name,keywords):
defget_context(url):
start=clock()
html=curl.get_html_body(url)
finish=clock()
printurl,(finish-start)
d=pq(html)
items=d("#J-items-content.ls-item")
items_c=len(items)
printitems_c
ifitems_c<38:
returnget_context(url)
returnitems,items_c
result=OrderedDict()
forkeywordinkeywords:
forpage_indexinrange(1,9):
u=url%(re.sub('\s+','_',keyword.strip()),page_index)
items,items_c=get_context(u)
b=False
foritem_indexinrange(0,items_c):
e=items.eq(item_index).find('.titlea')
p_title=e.text()
p_url=e.attr('href')
e=items.eq(item_index).find('.crighth3.dot-product')
company_name=e.text()
company_url=e.attr('href')
ifkeyword_company_nameincompany_url:
total_index=(page_index-1)*38+item_index+1+(0ifpage_index==1else5)
print'page%s,index%s,totalindex%s'%(page_index,item_index+1,total_index)
b=True
ifkeywordnotinresult:
result[keyword]=(p_title,p_url,page_index,item_index+1,total_index,u)
break
ifb:
break
returnresult
希望本文所述对大家的Python程序设计有所帮助。