python结合shell查询google关键词排名

python结合shell查询google关键词排名

最近老婆大人的公司给老婆大人安排了一个根据关键词查询google网站排名的差事。老婆大人的公司是做seo的，查询的关键词及网站特别的多，看着老婆大人这么辛苦的重复着查询工作，心疼啊。所以花点时间用python写了一个根据关键词搜索网站排名的py脚本。
在写这个脚本之前，我也曾在网站搜索过关于在google查排名的脚本。很多是利用google的api。但是我测试了一下，不准。所以，自己写一个吧。
脚本内容如下：(关键词我在网站随便找了几个。以做测试使用)
1. #vim keyword.py
2. import urllib,urllib2,cookielib,re,sys,os,time,random
3. cj = cookielib.CookieJar()
4. vibramkey=['cheap+five+fingers','vibram+five+fingers']
5. beatskey=['beats+by+dre','beats+by+dre+cheap']
6. vibramweb=['vibramforshoes.com','vibramfivetoeshoes.net','vibramfivefingersshoesx.com ']
7. beatsweb=['beatsbydre.com','justlovebeats.com']
8. allweb=['vibramweb','beatsweb']
9. def serchkey(key,start):
10.         url="http://www.google.com/search?hl=en&q=%s&revid=33815775&sa=X&ei=X6CbT4GrIoOeiQfth43GAw&ved=0CIgBENUCKAY&start=%s" %(key,start)
11.         try:
12.                 opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
13.                 opener.addheaders = [('User-agent', 'Opera/9.23')]
14.                 urllib2.install_opener(opener)
15.                 req=urllib2.Request(url)
16.                 response =urllib2.urlopen(req)
17.                 content = response.read()
18.                 f=open('google','w')
19.                 f.write(content)
20.                 tiqu=os.popen("grep -ioP '(?<=<cite>).*?(?=</cite>)' google|sed -r 's/(<*\/*cite>|<\/*b>)//g'").readlines()
21.         except:
22.                 changeip()
23.         else:
24.                 for yuming in pinpai:
25.                                 a=1
26.                                 for shouyuming in tiqu:
27.                                         real=shouyuming.find(yuming)
28.                                         if real>0:
29.                                                 if start==0:
30.                                                         page=1
31.                                                 elif start==10:
32.                                                         page=2
33.                                                 elif start==20:
34.                                                         page=3
35.                                                 elif start==30:
36.                                                         page=4
37.                                                 else:
38.                                                         page=5
39.                                                 lastkey=key.replace("+"," ")
40.                                                 xinxi="%s\t\t %s\t\t page%s,%s<br>\n" %(yuming,lastkey,page,a)
41.                                                 xinxifile=open('index.html','a')
42.                                                 xinxifile.write(xinxi)
43.                                                 xinxifile.close()
44.                                         a=a+1
45. def changeip():
46.         ip=random.randint(0,2)
47.         de="route del -host google.com"
48.         add="route add -host google.com eth1:%s" %ip
49.         os.system(de)
50.         os.system(add)
51.         print "changip to %s" %ip
52. pinpaiid=0
53. for x in vibramkey,beatskey:
54.         if    pinpaiid == 0:
55.                 pinpai=vibramweb
56.         elif  pinpaiid == 1:
57.                 pinpai=beatsweb
58. pinpaiid=pinpaiid+1
59.         for key in x:
60.                 for start in 0,10,20,30,40:
61.                         serchkey(key,start)
62.         changeip()       
63. os.system("sh paiban.sh")
1. #vim  paiban.sh
2. #! /bin/bash
3. sort  index.html -o index.html
4. line=`wc -l index.html|awk '{print $1}'`
5. yuming2=`sed -n 1p index.html|awk '{print $1}'`
6. for i in `seq 2 $line`
7. do
8. yuming=`sed -n "$i"p index.html|awk '{print $1}'`
9. if [ $yuming == $yuming2 ];then
10. sed  -i ""$i"s/"$yuming"/\t\t/g" index.html
11. else
12. yuming2=$yuming
13. fi
14. done
这段脚本分两部分，第一部分是python利用关键词搜索google的页面。老婆大人说只要每一个关键词的前5页就可以。所以只查询了前5页。
第二部分是将查询出来的结果进行排版。也就是最下面调用paiban.sh 所做的事情，让最终出来的结果为如下格式：
网站1        关键词1  第几页  第几名
             关键词2   第几页  第几名
             关键词3   第几页  第几名
网站2        关键词1  第几页  第几名
             关键词2   第几页  第几名
             关键词3   第几页  第几名
下面就来对程序进行讲解。
1. import urllib,urllib2,cookielib,re,sys,os,time,random   #加载模块
2. cj = cookielib.CookieJar()
3. vibramkey=['cheap+five+fingers','vibram+five+fingers']  #定义要查询的关键词组1，里面的单引号里面就是要查询的关键词。
4. beatskey=['beats+by+dre','beats+by+dre+cheap']        #同上，定义关键词组2，这个是另一组关键词。
5. vibramweb=['vibramforshoes.com','vibramfivetoeshoes.net','vibramfivefingersshoesx.com ']
6. #定义关健词组1要查询的网站
7. beatsweb=[' beatsbydre.com',' justlovebeats.com’]  #定义关健词组2要查询的网站
8. allweb=['vibramweb','beatsweb']   #这里定义了一个所有网站的组，下面好调用。
9. def serchkey(key,start):  #这里定义一个函数，key为查询的关健词，start为页面，通过google查询页面可以看出来每个页面除ads外只有十条记录，start=0时显示为第一个页面第一至第十条记录，start=10时，显示第二页的第一至十条记录，以些类推。
10.         url="http://www.google.com/search?hl=en&q=%s&revid=33815775&sa=X&ei=X6CbT4GrIoOeiQfth43GAw&ved=0CIgBENUCKAY&start=%s" %(key,start)   #这个定义了查询的URL
11.         try:
12.                 opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
13.                 opener.addheaders = [('User-agent', 'Opera/9.23')]  #模拟浏览器访问
14.                 urllib2.install_opener(opener)
15.                 req=urllib2.Request(url)  #用urllib2访问
16.                 response =urllib2.urlopen(req)
17.                 content = response.read()#这块是模拟浏览器进行访问url的页面并读取源代码
18.                 f=open('google','w')
19.                 f.write(content) #将读取出来的内容保存到google的一个页面里。
20.                 tiqu=os.popen("grep -ioP '(?<=<cite>).*?(?=</cite>)' google|sed -r 's/(<*\/*cite>|<\/*b>)//g'").readlines()  #这里利用了系统命令了。利用正则的零宽断言提直接取出第一到第十位的网站域名。
21.         except:
22.                 changeip()  #这边是怕访问过多被google封了。所以这里有一个换ip的函数，下面有定义。上面如果try失败了，就执行换ip的动作。
23.         else:
24.                 for yuming in pinpai:        #循环读取要查找的网站
25.                                 a=1
26.                                 for shouyuming in tiqu:   #循环读取查找出来的网站
27.                                         real=shouyuming.find(yuming)   #将查找出来的网站与需要查找的网站进行比对
28.                                         if real>0:
29.                                                 if start==0:
30.                                                         page=1
31.                                                 elif start==10:
32.                                                         page=2
33.                                                 elif start==20:
34.                                                         page=3
35.                                                 elif start==30:
36.                                                         page=4
37.                                                 else:
38.                                                         page=5
39.                   #这里的查看域名在google搜索后的哪一页。
40.                                                 lastkey=key.replace("+"," ")  #将定义的关键词中间的加号去掉。
41.                                                 print yuming,lastkey,page,a
42.                                                 xinxi="%s\t\t %s\t\t 第%s页,排名%s\n" %(yuming,lastkey,page,a)
43.                                                 xinxifile=open('index.html','a')
44.                                                 xinxifile.write(xinxi)
45.                                                 xinxifile.close() #将查找出来的信息写入到index.html文件里
46.                                         aa=a+1
47. def changeip():    #这里是定义查询时换ip的函数。如果机器只有一个ip那就不用这段了。
48.         ip=random.randint(0,10)                  #随机生成0-10的数
49.         del="route del -host google.com"            #删除路由命令
50.         add="route add -host google.com eth1:%s" %ip #添加路由命令
51.         os.system(del)                               #执行删除路由命令
52.         os.system(add)      #执行添加路由命令
53.         print "changip to %s" %ip                      #打印更改路由信息
54. pinpaiid=0  
55. for x in vibramkey,beatskey:          #循环所有的关键词组
56.         if    pinpaiid == 0:         # 对应关键词组与要查询的网站组
57.                 pinpai=vibramweb
58.         elif  pinpaiid == 1:
59.                 pinpai=beatsweb
60. pinpaiidpinpaiid=pinpaiid+1
61.         for key in x:                #循环关键词组里的关键词
62.                 for start in 0,10,20,30,40:        #定义所要查找的google的页面
63.                         serchkey(key,start)    
64.         changeip()                            #更改ip函数。在每一组关键词查询完毕后更改ip.
以上命令执行后，我们看一下index.html文件内容。如下：
1. #cat index.html
2. vibramforshoes.com               cheap five fingers              page 1,rank 3
3. vibramfivetoeshoes.net           cheap five fingers              page 5,rank 5
4. vibramforshoes.com               vibram five fingers             page 1,rank 6
5. vibramfivetoeshoes.net           vibram five fingers             page 5,rank 10
6. beatsbydre.com                   beats by dre                    page 1,rank 1
7. justlovebeats.com                beats by dre                    page 5,rank 7
8. beatsbydre.com                   beats by dre cheap              page 2,rank 2
9. beatsbydre.com                   beats by dre cheap              page 2,rank 3
10. beatsbydre.com                   beats by dre cheap              page 5,rank 10
 如图：


这样看很乱，那么我们如何才能达到上面所讲 一个站后面对应多个关键词的格式呢，这里我们就要用到 paiban.sh 这个小脚本了。我们把paiban.sh放在py程序的最后，当执行py程序执行完毕后，执行paiban.sh 这个paiban.sh已经加在py程序里面了，所有不需要另外执行。我这里主要看一下区别。所有在py程序里注释了。
1. #sh   paiban.sh
2. #cat index.html
3. beatsbydre.com                   beats by dre cheap              page 2,rank 2
4.                                  beats by dre cheap              page 2,rank 3
5.                                  beats by dre cheap              page 5,rank 10
6.                                  beats by dre                    page 1,rank 1
7. justlovebeats.com                beats by dre                    page 5,rank 7
8. vibramfivetoeshoes.net           cheap five fingers              page 5,rank 5
9.                                  vibram five fingers             page 5,rank 10
10. vibramforshoes.com               cheap five fingers              page 1,rank 3
11.                                  vibram five fingers             page 1,rank 6
如图：
 


这样就能达到上面的效果了。排版也很清楚，哪个站对应哪个关键词。在第几页，第几位，一目了然。
我们也对paiban.sh这个脚本做一下解释。
1. #vim paiban.sh
2. #! /bin/bash
3. sort  index.html -o index.html                    #先把index.html文件排下序，再写入index.html
4. line=`wc -l index.html|awk '{print $1}'`          #统计行
5. yuming2=`sed -n 1p index.html|awk '{print $1}'`   #取第一行的域名 给yuming2
6. for i in `seq 2 $line`                            #从第二行开始了取域名
7. do
8. yuming=`sed -n "$i"p index.html|awk '{print $1}'`
9. if [ $yuming == $yuming2 ];then               
10. sed  -i ""$i"s/"$yuming"/\t\t/g" index.html        #如果下一行域名与yuming2域名相同，就把下一行域名替换成空
11. else
12. yuming2=$yuming                                    #如果不相等，就把下一行的域名给yuming2变量             
13. fi
14. done

摘自 运维人生