做SEO怎么用好scrapy

SEO怎么用好scrapy?python的爬虫框架,scrapy,收集效率相当高,一只蜘蛛跑一万url收集题目之类的10分钟不到就搞定了,当然了,不妨同时跑多只蜘蛛。

首先是scrapy的安装教程,就不搬砖了,直接贴上位置:

http://blog.csdn.net/pleasecallmewhy/article/details/19354723

而后是新建名目标教程:

http://blog.csdn.net/pleasecallmewhy/article/details/19642329

之后就不妨收集了。

SEO

在Scrapy里,运用的是叫做 XPath selectors的机制,它基于 XPath表明式。所以,假如要收集仍然要了解下Xpath(正则也行)。之后的事情就简单多了。底下融合自身写的一只爬虫来吧,这个应当是属于scrapy简单的爬虫了:

baidu_spider.py 取排名,题目,快照,和url(暂未引入其余模块获得真切url),当然,想取描述相同的,再写一个xpath法则,并在items.py中对应的肋下增添dec=Field()能够(拜见新建名目标教程)。

from scrapy.spider import Spider

from scrapy.selector import Selector

from tutorial.items import BaiduItem

class BaiduSpider(Spider):

name = "baidu"

allowed_domains = ["baidu.com"]

start_urls = ["http://www.baidu.com/s?q1=%BD%F0%B8%D5%C9%B0"]

def parse(self,response):

sel = Selector(response)

sites = sel.xpath('//div[@class="result c-container "]')

items = []

for site in sites:

item = BaiduItem()

item['num'] = site.re('(id="d{1,3}")')

item['title'] = site.xpath('h3/a/text()').extract()

item['link'] = site.xpath('h3/a/@href').extract()

item['date'] = site.re('�(d{4}-d{2}-d{2})�')

items.append(item)

return items

复制代码

运转号令:

json数据:

上边是一个简单的使用,在此基本上,咱们将以上代码改进,批量获得一些内容:

以爬某站的spider为例:

SEO

1、url.txt存储url,一行一个。读取后作为参数传给start_urls。

2、咱们要取的是他的全部h1,那么修正xpath表明式。

3、url.txt需求放在根目次下,蜘蛛也是在根目次下号令行运转。运转的号令为scrapy crawl mouzhan -o items.json -t json.(这里咱们保存成功了json格式,文件名叫做items.json)

from scrapy.spider import Spider

from scrapy.selector import Selector

from tutorial.items import MouzhanItem

class MouzhanSpider(Spider):

name = "mouzhan"

allowed_domains = ["mouzhan.com"]

start_urls = open('url.txt','r').readlines()

def parse(self,response):

sel = Selector(response)

sites = sel.xpath('//h1/text()').extract()

items = []

for site in sites:

item = MouzhanItem()

item['h1'] = site

items.append(item)

return items

复制代码

收集到的数据:

后输送的文件是json格式(也不妨存储为csv等格式),编码是unicode,收集的中文在读取时处理下能够。测试的是一只蜘蛛10分钟1万url。不妨同时运转多只蜘蛛。这里没有研究ip代理,ua那些器材,不晓得是收集的网站没有限制仍然scrapy内部有处理,不过查了下,scrapy不妨自行配置代理的。

scrapy也只是刚接触,并未有更深的研讨,可是相对而言收集的速度相当快,我用beautifulsoup分析html收集的脚本要运转2个半小时才能收集1万数据,应当是不用给定url,在写的过程中制订法则就不妨让蜘蛛去爬的。

至于scrapy在seo上的使用,我也说不走出多少,起码用这个器材用来查排名应当不慢(杀鸡焉用牛刀),批量查收录之类的,收集效率也高,至于收集谁,收集回来的器材怎么用,看你自身了。ps(轻喷:原本我也不晓得学这器材做什么,反正我是小企业站,暂且不晓得用来做什么。)

本文来自投稿,不代表重蔚自留地立场,如若转载,请注明出处https://www.cwhello.com/39344.html

如有侵犯您的合法权益请发邮件951076433@qq.com联系删除

(0)
优化家优化家订阅用户
上一篇 2022年5月31日 21:22
下一篇 2022年5月31日 21:22

相关推荐

  • 符合SEO的网站优化策略。

    1、网站尽量少使用flash元素,因为搜索引擎目前是无法读取flash内容的。但是为了营销的目的,比如制造视觉冲击,留住客户停留时间等还是可以的,但是建议少用。 2、尽量少使用JS做导航,即使使用,也要尽量使用常用…

    2022年3月12日
    0191
  • SEO网站title中用什么标点符号连接比较好

    SEO网站title中用什么标点符号连接比较好?几乎是每个想要做好网站优化的站长们,在初次建站时肯定碰到的问题,也即是咱们要运用什么样的标点符号来写网站的title和meta信息?用什么样的分开符来分开重点词?既能做到…

    2022年5月31日
    0422
  • 做网站关键词的排名的核心在哪?

    做网站关键词的排名、网站整体的优化和权重的提升,做好内链是必不可少的,内链就像是一个人的经脉,四通发达,但也是有序可言,绝不是杂乱无章的。那么我们在做内链优化时,要注意什么问题?核心点在哪?来谈谈自…

    2022年5月28日
    0281
  • 目标关键词是什么意思。

    目标关键词 指经过关键词分析确定下来的网站“主打”关键词,通俗地讲指,网站产品和服务的目标客户可能用来搜索的关键词。 一般情况下,目标关键词具有这些特征: 目标关键词一般作为网站首页的标题。 目标关键词一…

    2022年3月12日
    0190
  • SEO优化该选百度还是google

    SEO优化该选百度还是google? Google算法通明的想法也是“间隔发生美”啊。百度和Google的算法基本道理、过程都是通明的,但细节都是不通明的。Google并没有比百度多显露些什么。 纵使精确的说法对SEO优…

    2022年6月1日
    0276
  • 关键词密度以及优化工作流程

    很多 SEO 前辈都回答过这个问题。答案分别是:2-8%、3-7%、低于 10%、5%左右,你自己选一个吧。关键词密度是一个模糊的概念而不是绝对。关键词密度并不是越高越好,下面的解释,你或许会明白关键词密度意味着什么?…

    2022年5月29日
    0330
  • 网站推广基本手段寻找高质量的友情l链接

    前言:SEO优化包括寻找友情链接,友链的交换不仅仅是给网站带来流量,也是网站内容优化的一个选择。友情链接是指互相在自己的网站上放对方网站的链接。必须要能在网页代码中找到网址和网站名称,而且浏览网页的时候…

    2022年5月28日
    0225
  • seo外链应该怎么发。

    就在绿萝算法在百度台2.0版本更新之后,很多以前非常有效的外链也失去了作用,绿萝2.0主要沿用了以前的内部算法链接来判断思路,主要通过特征词来进行判断。我们可以从百度放出来的案例上来看,文章标题内容可多可…

    2022年3月12日
    0172

联系我们

QQ:951076433

在线咨询:点击这里给我发消息邮件:951076433@qq.com工作时间:周一至周五,9:30-18:30,节假日休息