比如，你想采集标题中包含“58同城”的SERP结果，并过滤包含有“北京”或“厦门”等结果数据。

该Python脚本主要是实现以上功能。

其中，使用BeautifulSoup来解析HTML，可以参考我的另外一篇文章：Windows8下安装BeautifulSoup

代码如下：

复制代码 代码如下:

__author__ = '曾是土木人'

# -*- coding: utf-8 -*-

#采集SERP搜索结果标题

import urllib2

from bs4 import BeautifulSoup

import time

#写文件

def WriteFile(fileName,content):

try:

fp = file(fileName,"a+")

fp.write(content + "r")

fp.close()

except:

pass

#获取Html源码

def GetHtml(url):

try:

req = urllib2.Request(url)

response= urllib2.urlopen(req,None,3)#设置超时时间

data = response.read().decode('utf-8','ignore')

except:pass

return data

#提取搜索结果SERP的标题

def FetchTitle(html):

try:

soup = BeautifulSoup(''.join(html))

for i in soup.findAll("h3"):

title = i.text.encode("utf-8")

if any(str_ in title for str_ in ("北京","厦门")):

continue

else:

print title

WriteFile("Result.txt",title)

except:

pass

keyword = "58同城"

if __name__ == "__main__":

global keyword

start = time.time()

for i in range(0,8):

url = "http://www.baidu.com/s"+keyword+"&rn=100&pn="+str(i*100)

html = GetHtml(url)

FetchTitle(html)

time.sleep(1)

c = time.time() - start

print('程序运行耗时:%0.2f 秒'%(c))