読者です 読者をやめる 読者になる 読者になる

めも帖

「めも帖」代わりにダラダラと書いていったり、めもしたりしているだけです。

Yahoo!で指定キーワードで、特定のドメインが検索順位が何位なのか調べる

Pythonスクレイピングしてみました。以前は、PHPでやっていたんですが、定期的に実施するんだったら、Google App Engineでやってみたらいいんじゃない?と思って、まずはPythonで書いてみました。
今回は、「Yahoo!検索での検索結果で、指定キーワード、特定のドメインが検索結果で何位なのか調べる」のをしてみました(googleとかは、また今度)。

BeautifulSoup

初めて使ってみたんですが、こう、使い方がイマイチわからない...
どうしてだろう?Pythonのコードになれないから?

Yahooへアクセスでのユーザーエージェント

ユーザーエージェントを指定しない場合と、指定する場合でかえってくる結果が異なります。iPhoneとかなら違うだろうなあ、とは思っていたんですが、ユーザーエージェントについては注意しどころかも

opener = urllib2.build_opener()
#opener.addheaders = [('User-agent', 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)')]

オブジェクトの話

PHPで書いていると、文字列の結合は「.」で、何でも結合してしまいます。でも、Pythonだとオブジェクトについて意識をしていないと、結合できない。ここらへんは、慣れが必要ですね
Python本を読んだ方が良さそう

コード

#!/usr/bin/env python
# -*- coding: utf-8 -*-
from pprint import pprint
from BeautifulSoup import BeautifulSoup,NavigableString
import urllib2,sys,re
import BeautifulSoup

domain  = 'd.hatena.ne.jp'
keyword = 'はてな'

yahoo   = 'http://search.yahoo.co.jp/search?ei=UTF-8&n=100&p='

opener = urllib2.build_opener()

url  = yahoo + keyword
html = opener.open(url).read()
soup = BeautifulSoup.BeautifulSoup(html)

tags = soup.find('ol')
i = 1
for tag in tags.findAll('li'):
	html = tag.find('em')
	text = ''

	if html.string:
		text = html.string
	else:
		contents = html.contents
		text = ''.join([str(content) for content in contents[:]])
	
	text = re.sub("<[^>]*>", "", text)
	text = text.split('/')
	if text[0] == domain:
		print str(i) + '位:' + str(text[0])

	i = i + 1

書籍

Pythonスタートブック

Pythonスタートブック


初めてのPython 第3版

初めてのPython 第3版