根据搜索引擎下拉框,扩展关键词(多进程??)

成果

并没有处理好循环中的重复采集问题,实际上是不能用于多进程的
根据关键词txt(一行一个关键词),以下拉框为标准扩展关键词:

5OGB$AEQUJ`2V9E}ZA8J9FG.png

get_baidu_dasou(kw),get_sougou(kw),get_360(kw)
分别从三个搜索引擎获得扩展关键字,输入单个关键字(kw),返回扩展数列(final_longtaikeywords))

read(kw,zm1s,resultpath)
整合以上3个方法:
输入的单个关键词kw,与zm1s拼音首字母列表中的zm1结合,形成真正的扩展关键词kw+zm1,
由于三个扩展来源的关键词有很多是重复的,需要将3个返回数列打散,重新输入新的数列,并排重
最后将结果写入文档

final(kw)
关键词要经过2轮的扩展
定义zmi1s,zm2s为不同的数列,分别和关键词整合
read分别执行2次;
read(kw,zm1s,resultpath)#第一次扩展,结果在resultpath
read(kw, zm2s, finalpath)#对第一个扩展结果再扩展,结果在finalpath
lastpath第一次和第二结果的去重整合

if name == 'main':
打开startpath1文件(初始扩展关键词文档)
形成关键词list,将执行多线程

代码

import requests
import re
import time
from multiprocessing import Pool
time1 = time.strftime("%H:%M:%S").replace(':','')
def get_baidu_dasou(keyword ='剑圣'):
    final_longtaikeywords=[]
    try:
        url1 = 'http://suggestion.baidu.com/su?json=1&p=3?wd=' + keyword
        url2 = 'http://suggestion.baidu.com/su?sugmode=2&json=1&wd=' + keyword
        reslt_baidu_dasou1 = requests.get(url1).text
        reslt_baidu_dasou2 = requests.get(url2).text
        kws = re.compile(r'"st": \{ "q": "(.*?)", "new":')
        kws_list_dasou1 = kws.findall(reslt_baidu_dasou1)
        kws_list_dasou2 = kws.findall(reslt_baidu_dasou2)
        for kws1 in kws_list_dasou1:
            final_longtaikeywords.append(kws1)
        for kws2 in kws_list_dasou2:
            final_longtaikeywords.append(kws2)
        print(str(keyword)+':'+str(final_longtaikeywords))
        return (final_longtaikeywords) #返回的是数列
    except Exception as e:
        time.sleep(5)
        print(e)
def get_sougou(keyword ='剑圣'):
    final_longtaikeywords=[]
    try:
        urlsougou = 'https://www.sogou.com/suggnew/ajajjson?key='+ keyword+'&type=web&ori=yes&pr=web'
        reslt_sougou_dasou1 = requests.get(urlsougou).text
        reslt_sougou_dasou1=reslt_sougou_dasou1.split('[')[2] #获得中间的长尾词结果
        kws = re.compile(r'"(.*?)",')
        kws_list_dasou1 = kws.findall(reslt_sougou_dasou1)
        for kws1 in kws_list_dasou1:
            final_longtaikeywords.append(kws1)
        print(str(keyword)+':'+str(final_longtaikeywords))
        return (final_longtaikeywords) #返回的是数列
    except Exception as e:
        time.sleep(5)
        print(e)
def get_360(keyword ='剑圣'):
    final_longtaikeywords=[]
    try:
        url360 = 'http://sug.so.360.cn/suggest?encodein=utf-8&encodeout=utf-8&format=json&fields=word,obdata&word='+ keyword
        reslt_360_dasou1 = requests.get(url360).text
        kws = re.compile(r'\{"word":"(.*?)"},')
        kws_list_dasou1 = kws.findall(reslt_360_dasou1)
        for kws1 in kws_list_dasou1:
            kws1 = re.sub('","obdata":"{.*}', '', kws1)
            final_longtaikeywords.append(kws1)
        print(str(keyword)+':'+str(final_longtaikeywords))
        return (final_longtaikeywords) #返回的是数列
    except Exception as e:
        time.sleep(5)
        print(e)

def read(kw,zm1s,resultpath):
    final_longtais=[]
    last_longtais=[]
    for zm1 in zm1s:
        print('百度搜索:'+kw+zm1)#是否还要判断
        final_longtais.append(get_baidu_dasou(kw+zm1))
        print('百度搜索:'  + zm1+ kw)
        final_longtais.append(get_baidu_dasou(zm1+kw))#其他搜索引擎
        print('搜狗搜索:' + kw + zm1)
        final_longtais.append(get_sougou(kw + zm1))#搜狗不做
        print('360搜索:' + kw + zm1)
        final_longtais.append(get_360(kw + zm1))
        print('360搜索:' + zm1+ kw)
        final_longtais.append(get_360(zm1+ kw))
    # 形成新的数列
        if final_longtais!=None:
            for final_longtai in final_longtais: #第一层数列
                if final_longtai != None:
                    for each_word in final_longtai:  #数列中的数列
                        last_longtais.append(each_word)
    # 对新数列去重
        last_longtais2 = list(set(last_longtais))#去重
        last_longtais2.sort(key=last_longtais.index)#按原来的排序
        print(last_longtais2)
        print(len(last_longtais2))
        with open(resultpath,'a+',encoding='utf-8') as text:#写入扩展结果
            for last_longtai in last_longtais2:
                text.write(last_longtai+'\n')
                #写进数据库



def final(kw):
    resultpath= r'C:/Users/Administrator/Desktop/result/xiala/'+time1+'resultkeywords.txt'
    finalpath = r'C:/Users/Administrator/Desktop/result/xiala/'+time1+'finalkeywords.txt'
    lastpath = r'C:/Users/Administrator/Desktop/result/xiala/' + time1 + 'lastpath.txt'
    zm1s=['',' ','a','b','c','d','e','f','g','h','j','k','l','m','n','o','p','q','r','s','t','w','x','y','z','0','1','2','3','4','5','6','7','8','9']
    #zm1s = ['']
    zm2s=['',' ']
    #zm2s = ['']
    lastlist=[]
    read(kw,zm1s,resultpath)#第一次扩展,结果在resultpath
    with open(resultpath, 'r', encoding='utf-8') as text: #对第一个扩展结果再扩展
        kwsline = text.readlines()
        for kw in kwsline:
            kw = kw.strip()  # 去除空行
            kw = kw.replace('\n', '')  # 替换最后一行
            read(kw, zm2s, finalpath)#对第一个扩展结果再扩展,结果在finalpath
            lastlist.append(kw)#第一次扩展结果写入最终列表
    with open(finalpath, 'r', encoding='utf-8') as text:    #读取第二个结果
        kwsline = text.readlines()
        for kw in kwsline:
            kw = kw.strip()  # 去除空行
            lastlist.append(kw)#第二次扩展结果写入最终列表
    lastlist2 = list(set(lastlist))  # 最终列表去重
    lastlist2.sort(key=lastlist.index)  # 按原来的排序
    print(len(lastlist2))
    with open(lastpath, 'a+', encoding='utf-8') as text:  #最终列表第三个结果
        for singlelastlist in lastlist2:
            text.write(singlelastlist + '\n')

if __name__ == '__main__':
    start = time.clock()
    pool = Pool(processes=6)
    keywords_list=[]
    startpath1 = r'C:\Users\Administrator\Desktop/result\xiala\testforkeywords.txt'  # 关键词存放的地方
    with open(startpath1, 'r', encoding='utf-8') as text:  # 打开关键词文件,做列表list
        kwsline = text.readlines()
        for kw in kwsline:
            kw = kw.strip()  # 去除空行
            kw = kw.replace('\n', '')  # 替换最后一行
            keywords_list.append(kw)
    pool.map(final,keywords_list)
    pool.close()
    pool.join()
    end = time.clock()
    print ("read: %f s" %(end - start))

注意事项

list去重,顺序不变

lastlist2 = list(set(lastlist)) # 最终列表去重
lastlist2.sort(key=lastlist.index) # 按原来的排序
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容

  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,585评论 18 139
  • 1. Java基础部分 基础部分的顺序:基本语法,类相关的语法,内部类的语法,继承相关的语法,异常的语法,线程的语...
    子非鱼_t_阅读 31,560评论 18 399
  • 伟大的20世纪一步步地进入它的尾声。放眼世界,展望未来,人类有理由为千百年的社会进步和科学成就感到自豪。他们由衷地...
    高阳一隅阅读 3,261评论 0 1
  • 记得以前读书的时候,读过这样的句子:以为长大是很遥远的事情,可是后来才发现,长大是一瞬间的事情。 今天读公众号推送...
    阿紫姑娘ONE阅读 447评论 3 1
  • 每每看到同学追剧打游戏,而我却在孤单啃课本我有很多迷茫,我这样的努力,最后会收到我所想要的结果么?我并不想评论任何...
    小嘉子sun阅读 189评论 2 2