Google-Spyder：Google搜索引擎关键词检索结果抓取

Google搜索引擎关键词检索结果抓取

程序功能

• 支持配置文件设置
• 支持分时间段抓取
• 支持自定义关键词抓取
• 支持随机切换Google域名
• 支持爬取结果过程日志记录
• 支持爬取结果写入CSV或数据库

数据字段

• title：标题信息
• caption_cite：二级链接
• caption_time：发布时间
• caption_p：摘要信息

数据字段以列表形式存储，长度应一致，某一字段不存在则为None。

运行记录

[~] Read configuration file

[+] Read complete

Page1：https://www.google.pn/search?hl=en&q=Confucius+Institute&tbs=cdr:1,cd_min%3A7/28/2022,cd_max:7/19/2022&start=0

title：9		caption_cite：9		caption_time：9		caption_p：9

......

 Page17：https://www.google.it/search?hl=en&q=Confucius+Institute&tbs=cdr:1,cd_min%3A7/28/2022,cd_max:7/19/2022&start=160

 title：158		caption_cite：158		caption_time：158		caption_p：158

-----------------------------------------------------------------------------------------------

------Stored in the database------

------End------
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

常见报错

• 网页获取错误
• • 网页源代码无法获取，或者出现Connect链接问题报错
• 网页解析错误
• • 数据字段长度不一致，写入文件时报错

解决方案

• 可能是谷歌网页大量爬取后需要人机验证，可以点击抓取失败的当前链接查看
• 更换代理：可以更换ip+端口（使用代理池），或者更换代理的节点（一般换节点就能解决）

程序演示

【项目地址】

关于博主

知乎：南浔Pyer

CSDN：南浔Pyer

个人网站：DL小站

GitHub：LeonWang91