如何用Python快速抓取Google搜索？

「免費學習 60+ 節公開課：投票頁面，點擊講師頭像」

作者 | linksc

來源 | CSDN（ID：CSDNnews）

自從2011年 Google Web Search API 被棄用以來，我一直在尋找其他的方法來抓取Google。我需要一種方法，讓我的 Python 腳本從 Google 搜索中獲取鏈接。於是，我自己想出了一種方法，而本文正是通過 requests 和 Beautiful Soup 抓取 Google 搜索的快速指南。

首先，讓我們來安裝一些依賴項。請將以下內容保存成文本文件 requirements.txt：

requests
bs4

接下來，運行 pip install -r requirements.txt 命令來安裝依賴項。然後將其導入到你的腳本中。

import urllib
import requests
from bs4 import BeautifulSoup

為了執行搜索，你需要在URL中為 Google 提供查詢參數。此外，所有空格都必須用+代替。為了構建URL，我們需要設置正確的查詢格式，並其放入q參數中。

query = "hackernoon How To Scrape Google With Python"
query = query.replace(' ', '+')
URL = f"https://google.com/search?q={query}"

Google 會針對移動設備和臺式機返回不同的搜索結果。因此，我們需要指定適當的用戶代理。

# 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"

發送請求很簡單。但是，requests需要將 user-agent 放在請求的頭部。為了設置正確的頭部，我們必須傳給headers一個字典。

headers = {"user-agent" : MOBILE_USER_AGENT}
resp = requests.get(URL, headers=headers)

接下來，我們需要檢查請求是否成功。最簡單的方法是檢查狀態碼。如果返回200，則表示成功。然後，我們需要將其放入 Beautiful Soup 中以解析內容。

if resp.status_code == 200:
soup = BeautifulSoup(resp.content, "html.parser")

接下來是解析數據，並從頁面提取所有的鏈接。我們可以利用 Beautiful Soup 簡單地完成這項工作。在便利每個鏈接時，我們需要將結果存儲到一個列表中。

results = 
for g in soup.find_all('div', class_='r'):
anchors = g.find_all('a')
if anchors:
link = anchors[0]['href']
title = g.find('h3').text
item = {
"title": title, 
"link": link
}
results.append(item)
print(results)

這樣就可以了。這個腳本非常簡單，而且容易出錯。但至少它能帶你入門，從此你就可以編寫自己的 Google 爬蟲了。你可以從 GitHub上下載整個腳本，地址是：

https://github.com/getlinksc/scrape_google

原文鏈接：

https://hackernoon.com/how-to-scrape-google-with-python-bo7d2tal

（*本文為AI科技大本營轉載文章，轉載請聯繫作者）

所有CSDN 用戶都可參與投票和抽獎活動

加入福利群，每週還有精選學習資料、技術圖書等福利發送

閱讀更多 AI科技大本營 的文章

關鍵字: Mozilla 抓取