Python实现获取网站PR及百度权重
上一次我用requests库写的一个抓取页面中链接的简单代码，延伸一下，我们还可以利用它来获取我们网站的PR以及百度权重。原理差不多。最后我们甚至可以写一个循环批量查询网站的相关信息。
先说说GooglePR，全称PageRank。它是Google官方给出的评定一个网站SEO的评级，这个大家应该不陌生。既然是官方给出的，当然有一个官方的接口去获取它。我们这里就利用官方的接口获取谷歌PR。
GPR_HASH_SEED ="Mining PageRank is AGAINST GOOGLE'S TERMS OF SERVICE. Y\
es, I'm talking to you, scammer."
def google_hash(value):
magic = 0x1020345
for i in xrange(len(value)):
magic ^= ord(GPR_HASH_SEED[i % len(GPR_HASH_SEED)]) ^ ord(value[i])
magic = (magic >> 23 | magic << 9) & 0xFFFFFFFF
return "8%08x" % (magic)
def getPR(www):
try:
url = 'http://toolbarqueries.google.com/tbr?' \
'client=navclient-auto&ch=%s&features=Rank&q=info:%s' % (google_hash(www) , www)
response = requests.get(url)
rex = re.search(r'(.*?:.*?:)(\d+)',response.text)
return rex.group(2)
except :
return None
使用方法：传入域名，返回PR值
google_hash这个函数只是个算法，算出一个域名类似hash值的一个东西并返回。可以不去管它是怎么实现的，我们主要看getPR这个函数。我们google官方给出的接口是这个：http://toolbarqueries.google.com/tbr?client=navclient-auto&ch={HASH}&features=Rank&q=info:{域名}
{HASH}这里我们就使用google_hash()这个函数，传入域名，返回它对应的HASH值。比如我们离别歌的域名www.leavesongs.com，它的谷歌HASH是8b1e6ad00，于是构造出来的咨询网址是：http://toolbarqueries.google.com/tbr?client=navclient-auto&ch=8b1e6ad00&features=Rank&q=info:www.leavesongs.com
访问它，得到Rank_1:1:0。第二个引号后面的数字是PR，因为我的站是没有PR的，所以PR为0.
于是，我们使用requests.get()来访问我们这个构造好的URL，然后获得类似Rank_1:1:0这样的结果，最后通过正则或其他方式得到PR值0。
以上是getPR这个函数的执行过程。再看获取百度权重的过程。
百度权重并不是百度官方给的一个标准，是一些第三方网站计算的一个值，所以并没有像PR一样的接口。所以我们就需要抓取这些第三方网站中的信息了。下面是获取百度权重的函数:
def getBR(www):
try:
url = 'http://mytool.chinaz.com/baidusort.aspx?host=%s&sortType=0' % ( www , )
response = requests.get(url)
data = response.text
rex = re.search(r'(<div class="siteinfo">.+?<font.+?>)(\d*?)(</font>)',data,re.I)
return rex.group(2)
except :
return None
使用方法也是传入域名，返回权重值。
我抓取的是站长工具的一个权重咨询的页面：http://mytool.chinaz.com/baidusort.aspx?host={域名}&sortType=0
我的正则就是它：(<div class="siteinfo">.+?<font.+?>)(\d*?)(</font>)，大家可以自己查看源代码看一下，就知道正则怎么写了。
好了，我们来批量获取一下这些网站的PR和权重：
直接看结果：
单一一个进程扫的话速度会略慢，开10个20个线程批量获取的话应该比较快。
相关文章
本文我们将学习一下在 Python 中去创建并使用多进程的方法，可以通过创建多个进程来帮助我们提高脚本执行的效率，感兴趣的可以了解一下2022-04-04
在开发和运维Python应用程序时,日志管理是至关重要的,不仅帮助我们调试问题,还能用于监控和性能分析,下面就跟随小编一起学习一下多种自动化按日期分割日志的方法吧2025-04-04
正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑2021-09-09
这篇文章主要为大家详细介绍了python实现SMTP邮件发送功能的相关资料，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2016-05-05
字段是Python是字典中唯一的键-值类型，本文讲述了Python中字典如何创建 遍历 添加等实用基础操作技巧,内容非常基础但非常重要，一定要熟练掌握2018-09-09
这篇文章主要为大家详细介绍了如何溧阳Python和Pygame实现彩色五子棋游戏，文中的示例代码讲解详细，感兴趣的小伙伴可以跟随小编一起学习一下2023-02-02
这篇文章主要介绍了Linux下Python获取IP地址的代码,需要的朋友可以参考下2014-11-11
今天小编就为大家分享一篇python 计算一个字符串中所有数字的和实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-06-06
这篇文章主要介绍了python学习之subprocess模块的相关资料,该模块用于创建子进程并与其进行交互,它提供了多个函数和类来执行操作系统命令、获取命令输出以及管理子进程的生命周期,需要的朋友可以参考下2024-12-12
Python pkg_resources模块动态加载插件实例分析
当编写应用软件时，我们通常希望程序具有一定的扩展性，额外的功能——甚至所有非核心的功能，都能通过插件实现，具有可插拔性。特别是使用 Python 编写的程序，由于语言本身的动态特性，为我们的插件方案提供了很多种实现方式2022-08-08
最新评论