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

  • 网站sitemap应该如何制作

    一个优质的网站势必为拥有着庞大的收录数量,而为了促进更多的收录,那么sitemap就必不可少!sitemap之于SEO的重要性显而易见:sitemap相当于网站为搜索引擎蜘蛛提供了导航地图,方便了蜘蛛的爬取,从何加速了网页…

    2022年5月29日 SEO操作
    0329
  • 导航规范。

           一个网站的头部可以说是像一个城市的标志性的建筑或者景点,除了网站的LOGO之外,给用户第一印象和印象深刻的位置,导航要做的规范也能让用户更容易的了解到你网站的内容和他…

    2022年3月12日
    0213
  • seoer从业方向概述。

    1、seo培训顾问服务。就像我们的爱站网SEO培训一样。    2、seo自由职业者,里面不乏seo的高手,国内现状就是这样,真正精通seo的高手都在闷声发大财,认准一个项目,狠狠的去搞seo优化排名,从而获得大…

    2022年3月12日
    0172
  • 夹缝中生存的SEOer该如何走向光明。

      正如当初刚入门SEO时对这个行业信心满满,到了现在别人问起我的职业我依然会自豪地说出是SEO,如果对方不了解我会直接举例。可这么两年走来,SEO越来越被限制,成本越来越高,这个还没兴旺起来的职业转眼就到了…

    2022年3月12日
    0214
  • 如何查看网站被百度抓取的情况。

    百度用于抓取网页的程序叫做Baiduspider - 百度蜘蛛,我们查看网站被百度抓取的情况主要是分析,网站日志里百度蜘蛛Baiduspider的活跃性:抓取频率,返回的HTTP状态码。 查看日志的方式: 通过FTP,在网站根目录找…

    2022年3月12日
    0453
  • 网站上线之前需要做哪些事情(4)

    除了SEO之外,我们还需要检查网站的各种错误。 这些错误包括: 1、网站名称是否错误(设计的时候很容易搞错这一点。或者改别人模版,忘改了)。 2、网站网站各处的电话号码(这个是赚钱的关键,不能错)。 3、网站…

    2022年3月12日
    0158
  • 【合肥seo】兼顾SEO与用户体验的单网页优化

    越是自然的搜索引擎优化就越容易出效果,越是能提高用户体验的优化,必定会越来越受到搜索引擎和用户的喜爱。对网站的单网页优化来说,自然地进行优化,并且在优化的过程中兼顾SEO的细节和用户体验的提升,这就是优…

    2022年6月1日
    0238
  • SEO实战培训:二级域名如何提升网站排名

    对于二级域名,在几年前用于做SEO,一直都有很大的争议,但是随着SEO技术的不断更新,以目前效果来看二级域名是可以做SEO的,那么二级域名如何提升网站排名,成为了一大难题,下面SEO教程小编来说几个重点。做二级…

    2022年6月2日
    0274

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