K analýze vynikající základny fór pro Xrumer nebo podobný soft stačí najít jedno téma, kde někdo zveřejňuje svá vlastní témata (reklamy) a propojuje svá témata na jiných fórech, aby je posílil.
Pomocí tohoto skriptu můžete shromáždit jejich databázi.
Požadavky:
Nainstalujte potřebné knihovny pomocí:
pip install requests beautifulsoup4
Skript:
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}.")
Jak skript funguje:
- Funkce
get_links
:- Odešle požadavek na zadanou URL.
- Analyzuje HTML a shromažďuje všechny odkazy.
- Funkce
is_external
:- Zkontroluje, zda je odkaz externí.
- Funkce
scrape_forums
:- Rekurzivně škrábe fóra počínaje zadanými URL.
- Shromažďuje všechny externí odkazy.
- Funkce
save_links_to_file
:- Uloží všechny shromážděné externí odkazy do textového souboru.
- Hlavní část scénáře:
- Nastaví počáteční adresy URL fóra.
- Spustí proces škrábání.
- Uloží shromážděné odkazy do souboru.
Návod k použití:
Vložte počáteční adresy URL fóra do starting_urls
seznam.
Spusťte skript:
python script_name.py
Shromážděné odkazy budou uloženy do external_links.txt
soubor.
Tento skript lze vylepšit a přizpůsobit konkrétním potřebám, jako jsou složitější pravidla analýzy nebo zpracování chyb.
Komentáře (0)
Zatím zde nejsou žádné komentáře, můžete být první!