Python查询阿里巴巴关键字排名的方法


Posted in Python onJuly 08, 2015

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

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. 根据输入的公司名及关键词列表,返回每个关键词的排名

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

希望本文所述对大家的Python程序设计有所帮助。

Python 相关文章推荐
使用Python脚本将绝对url替换为相对url的教程
Apr 24 Python
python实现将汉字转换成汉语拼音的库
May 05 Python
在Django同1个页面中的多表单处理详解
Jan 25 Python
Python使用pip安装pySerial串口通讯模块
Apr 20 Python
Python机器学习库scikit-learn安装与基本使用教程
Jun 25 Python
根据DataFrame某一列的值来选择具体的某一行方法
Jul 03 Python
Atom的python插件和常用插件说明
Jul 08 Python
opencv python 2D直方图的示例代码
Jul 20 Python
Python selenium根据class定位页面元素的方法
Feb 26 Python
利用python-pypcap抓取带VLAN标签的数据包方法
Jul 23 Python
python requests.get带header
May 05 Python
python使用shell脚本创建kafka连接器
Apr 29 Python
浅谈Python中的闭包
Jul 08 #Python
Python中atexit模块的基本使用示例
Jul 08 #Python
python登录豆瓣并发帖的方法
Jul 08 #Python
python发送HTTP请求的方法小结
Jul 08 #Python
python友情链接检查方法
Jul 08 #Python
Python抓取百度查询结果的方法
Jul 08 #Python
Python抓取淘宝下拉框关键词的方法
Jul 08 #Python
You might like
繁体中文转换为简体中文的PHP函数
2006/10/09 PHP
坏狼php学习 计数器实例代码
2008/06/15 PHP
PHP下利用header()函数设置浏览器缓存的代码
2010/09/01 PHP
PHP var关键字相关原理及使用实例解析
2020/07/11 PHP
jquery移动listbox的值原理及代码
2013/05/03 Javascript
extjs 时间范围选择自动判断的实现代码
2014/06/24 Javascript
Javascript中arguments和arguments.callee的区别浅析
2015/04/24 Javascript
JavaScript数组的栈方法与队列方法详解
2016/05/26 Javascript
让浏览器崩溃的12行JS代码(DoS攻击分析及防御)
2016/10/10 Javascript
理解AngularJs篇:30分钟快速掌握AngularJs
2016/12/23 Javascript
js实现适合新闻类图片的轮播效果
2017/02/05 Javascript
js 实现获取name 相同的页面元素并循环遍历的方法
2017/02/14 Javascript
p5.js实现斐波那契螺旋的示例代码
2018/03/22 Javascript
axios 封装上传文件的请求方法
2018/09/26 Javascript
js实现登录拖拽窗口
2020/02/10 Javascript
如何通过JS实现日历简单算法
2020/10/14 Javascript
[00:44]华丽开场!DOTA2勇士令状带来全新对阵画面
2019/05/15 DOTA
深入讲解Python中的迭代器和生成器
2015/10/26 Python
Python简单检测文本类型的2种方法【基于文件头及cchardet库】
2016/09/18 Python
python opencv 直方图反向投影的方法
2018/02/24 Python
Python实现从log日志中提取ip的方法【正则提取】
2018/03/31 Python
通过Python 接口使用OpenCV的方法
2018/04/02 Python
简单谈谈Python的pycurl模块
2018/04/07 Python
wxPython实现窗口用图片做背景
2018/04/25 Python
tensorflow 输出权重到csv或txt的实例
2018/06/14 Python
PyTorch中Tensor的拼接与拆分的实现
2019/08/18 Python
10分钟理解CSS3 FlexBox弹性布局
2018/12/20 HTML / CSS
html5 Canvas画图教程(6)—canvas里画曲线之arcTo方法
2013/01/09 HTML / CSS
美国电视购物:QVC
2017/02/06 全球购物
图库照片、免版税图片、矢量艺术、视频片段:Depositphotos
2019/08/02 全球购物
酒店员工职业生涯规划
2014/02/25 职场文书
《长城和运河》教学反思
2014/04/14 职场文书
幼儿园迎国庆65周年活动策划方案
2014/09/16 职场文书
大学生英文求职信范文
2015/03/19 职场文书
预备党员介绍人意见
2015/06/01 职场文书
Win11显卡控制面板打开显卡设置方法
2022/04/20 数码科技