如何用 Python 快速抓取 Google 搜索？

本文是通过 requests 和 Beautiful Soup 抓取 Google 搜索的快速指南。

作者 | linksc

译者 | 弯月，责编 | 郭芮

出品 | CSDN（ID：CSDNnews）

以下为译文：

自从2011年 Google Web Search API 被弃用以来，我一直在寻找其他的方法来抓取Google。我需要一种方法，让我的 Python 脚本从 Google 搜索中获取链接。于是，我自己想出了一种方法，而本文正是通过 requests 和 Beautiful Soup 抓取 Google 搜索的快速指南。

首先，让我们来安装一些依赖项。请将以下内容保存成文本文件 requirements.txt：

requests
bs4

接下来，运行 pip install -r requirements.txt 命令来安装依赖项。然后将其导入到你的脚本中。

import urllib
import requests
from bs4 import BeautifulSoup

为了执行搜索，你需要在URL中为 Google 提供查询参数。此外，所有空格都必须用+代替。为了构建URL，我们需要设置正确的查询格式，并其放入q参数中。

query = "hackernoon How To Scrape Google With Python"
query = query.replace(' ', '+')
URL = f"https://google.com/search?q={query}"

Google 会针对移动设备和台式机返回不同的搜索结果。因此，我们需要指定适当的用户代理。

# desktop user-agent
USER_AGENT = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.14; rv:65.0) Gecko/20100101 Firefox/65.0"
# mobile user-agent
MOBILE_USER_AGENT = "Mozilla/5.0 (Linux; Android 7.0; SM-G930V Build/NRD90M) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.125 Mobile Safari/537.36"

发送请求很简单。但是，requests需要将 user-agent 放在请求的头部。为了设置正确的头部，我们必须传给headers一个字典。

headers = {"user-agent" : MOBILE_USER_AGENT}
resp = requests.get(URL, headers=headers)

接下来，我们需要检查请求是否成功。最简单的方法是检查状态码。如果返回200，则表示成功。然后，我们需要将其放入 Beautiful Soup 中以解析内容。

if resp.status_code == 200:
    soup = BeautifulSoup(resp.content, "html.parser")

接下来是解析数据，并从页面提取所有的链接。我们可以利用 Beautiful Soup 简单地完成这项工作。在便利每个链接时，我们需要将结果存储到一个列表中。

results = []
for g in soup.find_all('div', class_='r'):
    anchors = g.find_all('a')
    if anchors:
        link = anchors[0]['href']
        title = g.find('h3').text
        item = {
            "title": title,
            "link": link
        }
        results.append(item)
print(results)

这样就可以了。这个脚本非常简单，而且容易出错。但至少它能带你入门，从此你就可以编写自己的 Google 爬虫了。你可以从 GitHub上下载整个脚本，地址是：https://github.com/getlinksc/scrape_google。

原文：https://hackernoon.com/how-to-scrape-google-with-python-bo7d2tal

本文为 CSDN 翻译，转载请注明来源出处。

热 文 推 荐 

☞ 支付宝解释 2019 年账单总额较高；腾讯 QQ 回应新功能可显示对方实时电量；Python 2.7 结束支持 | 极客头条

☞ IDEA 社区版不支持 Tomcat？一招完美解决！

☞ 达摩院 2020 预测：感知智能的“天花板”和认知智能的“野望”

☞ 微软斥资 260 亿美元收购了 LinkedIn 后却无所作为？

☞中国程序员在美遭抢劫电脑遇害，数百人悼念

☞2019，不可错过的NLP“高光时刻”

☞详解CPU几个重点基础知识

☞在以太坊上开发 Dapp 的瓶颈和门槛有哪些？| 博文精选

你点的每个“在看”，我都认真当成了喜欢