4

我想从谷歌获得关键字的估计结果数。我使用 Python3.3 并尝试使用 BeautifulSoup 和 urllib.request 完成此任务。到目前为止，这是我的简单代码

def numResults():
try:
    page_google = '''http://www.google.de/#output=search&sclient=psy-ab&q=pokerbonus&oq=pokerbonus&gs_l=hp.3..0i10l2j0i10i30l2.16503.18949.0.20819.10.9.0.1.1.0.413.2110.2-6j1j1.8.0....0...1c.1.19.psy-ab.FEBvxrgi0KU&pbx=1&bav=on.2,or.r_qf.&bvm=bv.48705608,d.Yms&'''
    req_google = Request(page_google)
    req_google.add_header('User Agent', 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:15.0) Gecko/20120427 Firefox/15.0a1')
    html_google = urlopen(req_google).read()
    soup = BeautifulSoup(html_google)
    scounttext = soup.find('div', id='resultStats')
except URLError as e:
    print(e)
return scounttext

我的问题是我的汤变量以某种方式进行了编码，我无法从中获取任何信息。所以我得到一个 None 因为soup.find 不起作用。

我做错了什么，如何提取想要的结果统计？非常感谢！

4

1 回答 1

3

如果您还没有解决这个问题，那么 BeautifulSoup 找不到任何东西的原因似乎是 resultStats 从未出现在汤中 - 您的 Request(page_google) 只返回 JavaScript，而不是 JavaScript 动态的任何搜索结果加载中。您可以通过添加

print(soup)

命令你的代码，你会看到 resultStats div 没有出现。

以下代码：

import sys                                                                                                                                                                  
from urllib2 import Request, urlopen                                                                                                                                        
import urllib                                                                                                                                                               
from bs4 import BeautifulSoup                                                                                                                                               
query = 'pokerbonus'                                                                                                                                                        
url = "http://www.google.de/search?q=%s" % urllib.quote_plus(query)                                                                                                         
req_google = Request(url)                                                                                                                                                   
req_google.add_header('User-Agent', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-GB;    rv:1.9.0.3) Gecko/2008092417 Firefox/3.0.3')                                           
html_google = urlopen(req_google).read()                                                                                                                                    
soup = BeautifulSoup(html_google)                                                                                                                                           
scounttext = soup.find('div', id='resultStats')                                                                                                                             
print(scounttext)

将打印

<div class="sd" id="resultStats">Ungefähr 1.060.000 Ergebnisse</div>

最后，使用像 Selenium Webdriver 这样的工具可能是解决这个问题的更好方法，因为谷歌不允许机器人抓取搜索结果。

于 2013-11-29T21:06:48.520 回答