【selenium应用实践】怎样实现自动监测百度收录站点链接数量

用selenium实现自动监测百度收录站点链接数量，SEO优化效果追踪更轻松
安装依赖
创建浏览器实例
访问百度引擎并自动输入site:【域名】后自动点击搜索按钮
通过xpath获取收录数量字符串并用正则匹配出收录数量
最后将爬取结果自动发送到企业微信群，实现自动报告收录数据的目的
最后，为了达到定时自动报告的目的，我加了一个循环，每隔一小时就自动爬取一次并发送收录结果，完整代码如下：

前段时间写了一篇文章介绍了使用python爬虫自动抓取百度site：命令的结果，但那个方案有个问题是不稳定，而且只是判断了是否收录，具体收录了多少个链接不清楚，这无法达到持续关注收录数量是否有增加的目的，于是用selenium写了这个实现方案，可以精准监测收录数量

安装依赖

代码语言：javascript复制

import json
from selenium.webdriver.chrome.service import Service
from selenium import webdriver
from selenium.webdriver.common.by import By
import re
import requests
from lxml import etree
import time

创建浏览器实例

代码语言：javascript复制

myService = Service(r'./../chromedriver')
options = webdriver.ChromeOptions()
# options.add_argument('headless') #如果想不弹出浏览器则加上这项配置
myChrome = webdriver.Chrome(service=myService, options=options)
myChrome.implicitly_wait(10)

访问百度引擎并自动输入site:【域名】后自动点击搜索按钮

代码语言：javascript复制

domain = 'jentian.com'
myChrome.get('https://www.baidu.com')
keywordInput = myChrome.find_element(By.ID, 'kw')
keywordInput.send_keys('site:'   domain)
searchBtn = myChrome.find_element(By.ID, 'su')
searchBtn.click()

通过xpath获取收录数量字符串并用正则匹配出收录数量

代码语言：javascript复制

time.sleep(3)  # 点击搜索按钮后要过一会再对页面文本进行解析, 因为需要时间跳转及加载内容
dom = etree.HTML(myChrome.page_source)
resultStringArr = dom.xpath('//*[@id="content_left"]/div[1]/div/p[1]/b/text()')
resultCount = 0
if len(resultStringArr) > 0:
    resultCountString = resultStringArr[0]
    resultCountGroup = re.compile(r'd ').findall(resultCountString)
    if resultCountGroup:
        resultCount = ''.join(resultCountGroup)
if int(resultCount) > 0:
    msg = '百度已收录'   domain   ',收录数量:'   str(resultCount)
else:
    msg = '百度未收录'   domain
print('抓取完毕!!!', msg, 'n')

最后将爬取结果自动发送到企业微信群，实现自动报告收录数据的目的

代码语言：javascript复制

qiWeiWebHook = 'https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=**'#请自动替换成自己的webhook链接
postHeaders = {
    'Content-Type': 'application/json'
}
msgData = {
    "msgtype": "text",
    "text": {
        "content": msg
    }
}
requests.post(qiWeiWebHook, headers=postHeaders, data=json.dumps(msgData))

最后，为了达到定时自动报告的目的，我加了一个循环，每隔一小时就自动爬取一次并发送收录结果，完整代码如下：

代码语言：javascript复制

#通过抓取某个域名的site指令结果,判断是否已被百度收录代码
import json
from selenium.webdriver.chrome.service import Service
from selenium import webdriver
from selenium.webdriver.common.by import By
import re
import requests
from lxml import etree
import time

def crawlBaiduPickupData():
    myService = Service(r'./../chromedriver')
    options = webdriver.ChromeOptions()
    # options.add_argument('headless') #如果想不弹出浏览器则加上这项配置
    myChrome = webdriver.Chrome(service=myService, options=options)
    myChrome.implicitly_wait(10)
    domain = 'jentian.com'
    while True:
        myChrome.get('https://www.baidu.com')
        keywordInput = myChrome.find_element(By.ID, 'kw')
        keywordInput.send_keys('site:'   domain)
        searchBtn = myChrome.find_element(By.ID, 'su')
        searchBtn.click()
        time.sleep(3)  # 点击搜索按钮后要过一会再对页面文本进行解析, 因为需要时间跳转及加载内容
        dom = etree.HTML(myChrome.page_source)
        resultStringArr = dom.xpath('//*[@id="content_left"]/div[1]/div/p[1]/b/text()')
        resultCount = 0
        if len(resultStringArr) > 0:
            resultCountString = resultStringArr[0]
            resultCountGroup = re.compile(r'd ').findall(resultCountString)
            if resultCountGroup:
                resultCount = ''.join(resultCountGroup)
        if int(resultCount) > 0:
            msg = '百度已收录'   domain   ',收录数量:'   str(resultCount)
        else:
            msg = '百度未收录'   domain
        print('抓取完毕!!!', msg, 'n')
        qiWeiWebHook = 'https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=*'
        postHeaders = {
            'Content-Type': 'application/json'
        }
        msgData = {
            "msgtype": "text",
            "text": {
                "content": msg
            }
        }
        requests.post(qiWeiWebHook, headers=postHeaders, data=json.dumps(msgData))
        time.sleep(3600)  # 每小时跟进一次

if __name__ == '__main__':
    crawlBaiduPickupData()

selenium xslt&xpath 企业编程算法

0 人点赞