要为 Xrumer 或类似软件解析优秀的论坛基础,只需找到一个主题,其中有人发布自己的主题(广告)并链接到其他论坛上的主题以强化它们。

使用此脚本,您可以收集他们的数据库。

要求:

使用以下方法安装必要的库:

pip install requests beautifulsoup4

脚本:

import requests
from bs4 import BeautifulSoup
from urllib.parse import urlparse, urljoin
import time

def is_external(url, base_url):
    return urlparse(url).netloc != urlparse(base_url).netloc

def get_links(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36'}
    try:
        response = requests.get(url, headers=headers, timeout=10)
        response.raise_for_status()
        soup = BeautifulSoup(response.text, 'html.parser')
        links = [a.get('href') for a in soup.find_all('a', href=True)]
        return links
    except requests.RequestException as e:
        print(f"Failed to fetch {url}: {e}")
        return []

def scrape_forums(starting_urls, max_depth=2):
    visited = set()
    external_links = set()
    
    def scrape(url, depth):
        if url in visited or depth > max_depth:
            return
        print(f"Scraping {url} at depth {depth}")
        visited.add(url)
        
        links = get_links(url)
        for link in links:
            full_url = urljoin(url, link)
            if is_external(full_url, url):
                external_links.add(full_url)
            else:
                scrape(full_url, depth + 1)
    
    for url in starting_urls:
        scrape(url, 1)
    
    return external_links

def save_links_to_file(links, filename):
    with open(filename, 'w') as f:
        for link in links:
            f.write(link + '\n')

if __name__ == '__main__':
    starting_urls = [
        # Add your starting forum URLs here
        'http://example-forum.com/topic1',
        'http://example-forum.com/topic2'
    ]
    filename = 'external_links.txt'
    
    external_links = scrape_forums(starting_urls)
    save_links_to_file(external_links, filename)
    
    print(f"Collected {len(external_links)} external links. Saved to {filename}.")

脚本的工作原理:

  1. 职能 get_links:
    • 向给定的 URL 发送请求。
    • 解析 HTML 并收集所有链接。
  2. 职能 is_external:
    • 检查链接是否是外部链接。
  3. 职能 scrape_forums:
    • 从给定的 URL 开始递归抓取论坛。
    • 收集所有外部链接。
  4. 职能 save_links_to_file:
    • 将所有收集到的外部链接保存到文本文件。
  5. 脚本的主要部分:
    • 设置初始论坛 URL。
    • 开始抓取过程。
    • 将收集的链接保存到文件。

使用说明:

将初始论坛 URL 插入到 starting_urls 列表。
运行脚本:

python script_name.py

收集到的链接将保存到 external_links.txt 文件。

该脚本可以改进并适应特定需求,例如更复杂的解析规则或错误处理。

评论 (0)

这里还没有评论,你可以成为第一个评论者!

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注


选择和购买代理

数据中心代理

轮流代理

UDP代理机构

受到全球 10000 多家客户的信赖

代理客户
代理客户
代理客户 flowch.ai
代理客户
代理客户
代理客户