文章发布于公号【数智物语】 （ID：decision_engine），关注公号不错过每一篇干货。
来源 | CSDN（ID：CSDNnews）
作者 | linksc
译者 |弯月，责编 | 郭芮
本文是通过 requests 和 Beautiful Soup 抓取 Google 搜索的快速指南。
以下为译文：
自从2011年 Google Web Search API 被弃用以来，我一直在寻找其他的方法来抓取Google。我需要一种方法，让我的 Python 脚本从 Google 搜索中获取链接。于是，我自己想出了一种方法，而本文正是通过 requests 和 Beautiful Soup 抓取 Google 搜索的快速指南。
首先，让我们来安装一些依赖项。请将以下内容保存成文本文件 requirements.txt：
requests
bs4
接下来，运行 pip install -r requirements.txt 命令来安装依赖项。然后将其导入到你的脚本中。
importurllib
importrequests
frombs4importBeautifulSoup
为了执行搜索，你需要在URL中为 Google 提供查询参数。此外，所有空格都必须用+代替。为了构建URL，我们需要设置正确的查询格式，并其放入q参数中。
query="hackernoon How To Scrape Google With Python"
query= query.replace(' ','+')
URL= f"https://google.com/search?q={query}"
Google 会针对移动设备和台式机返回不同的搜索结果。因此，我们需要指定适当的用户代理。
# desktop user-agent
USER_AGENT="Mozilla/5.0 (Macintosh; Intel Mac OS X 10.14; rv:65.0) Gecko/20100101 Firefox/65.0"
# mobile user-agent
MOBILE_USER_AGENT="Mozilla/5.0 (Linux; Android 7.0; SM-G930V Build/NRD90M) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.125 Mobile Safari/537.36"
发送请求很简单。但是，requests需要将 user-agent 放在请求的头部。为了设置正确的头部，我们必须传给headers一个字典。
headers= {"user-agent": MOBILE_USER_AGENT}
resp= requests.get(URL, headers=headers)
接下来，我们需要检查请求是否成功。最简单的方法是检查状态码。如果返回200，则表示成功。然后，我们需要将其放入 Beautiful Soup 中以解析内容。
ifresp.status_code == 200:
soup = BeautifulSoup(resp.content,"html.parser")
接下来是解析数据，并从页面提取所有的链接。我们可以利用 Beautiful Soup 简单地完成这项工作。在便利每个链接时，我们需要将结果存储到一个列表中。
results = []
forg in soup.find_all('div', class_='r'):
anchors = g.find_all('a')
ifanchors:
link= anchors[0]['href']
title = g.find('h3').text
item = {
"title": title,
"link":link
}
results.append(item)
print(results)
这样就可以了。这个脚本非常简单，而且容易出错。但至少它能带你入门，从此你就可以编写自己的 Google 爬虫了。你可以从 GitHub上下载整个脚本，地址是：https://github.com/getlinksc/scrape_google。
原文：https://hackernoon.com/how-to-scrape-google-with-python-bo7d2tal
本文为 CSDN 翻译，转载请注明来源出处。
风鸟企业负面信息免费查询平台：http://www.yansu.net.cn/
星标我，每天多一点智慧
网友评论