Я использую код из «Введение в вычисления с использованием python», чтобы сделать веб-искатель. То, что я надеюсь сделать, - это избежать определенного веб-сайта, такого как Google или Yahoo, из-за его размера и возможности направлять меня в Андромеду.О Python Webcrawler
Поэтому я создал self.prohibited раздел для просмотра определенных веб-страниц. Однако, это не сработает. У вас есть какое-то предложение исправить? Большое спасибо заранее.
def analyze(url):
'''returns the list of http links
in absolute format in the web page with URL url'''
print('Visiting: ', url) # for testing
# obtain links in the web page
content=urlopen(url).read().decode()
collector=Collector(url)
collector.feed(content)
urls = collector.getLink()
# compute word frequencies
content=collector.getData()
freq=frequency(content)
out=open('test.csv', 'a')
print(out, 'URL', 'word', 'count')
csv=writer(out)
#print the frequency of every text data word in web page
print('\n {:50}{:10}{:5}'.format('URL', 'word', 'count'))
for word in freq:
row1=(url, word, freq[word])
print('\n {:50} {:10} {:5}'.format(url, word, freq[word]))
csv.writerow(row1)
print('\n {:50} {:10}'.format('URL', 'link'))
for link in urls:
print('\n {:50} {:10}'.format(url, link))
row2=(url, link)
csv.writerow(row2)
return urls
class Crawler:
'a web crawler'
def __init__(self):
self.visited = set()
self.prohibited=['*google.com/*','*yahoo.com/*']
def crawl(self, url):
'''calls analyze() on web page url
and calls itself on every link to an univisted webpage'''
links=analyze(url)
self.visited.add(url)
for link in links:
if link not in self.visited and self.prohibited:
try:
self.crawl(link)
except:
pass
К сожалению. Я думаю, что пока я копирую и вставляю его с моего питона и пишу эту статью, эта часть была удалена или пропущена. –
Мой ответ все еще дал вам правильный фрагмент кода;) Я обновил его, чтобы объяснить вам, что он делает. –
Спасибо Валентин. –