Per analizzare un'eccellente base di forum per Xrumer o software simili, è sufficiente trovare un argomento in cui qualcuno pubblica i propri argomenti (annunci) e collega i propri argomenti su altri forum per rafforzarli.
Usando questo script, puoi raccogliere il loro database.
Requisiti:
Installa le librerie necessarie utilizzando:
pip install requests beautifulsoup4
Copione:
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}.")
Come funziona la sceneggiatura:
- Funzione
get_links
:- Invia una richiesta all'URL specificato.
- Analizza l'HTML e raccoglie tutti i collegamenti.
- Funzione
is_external
:- Controlla se un collegamento è esterno.
- Funzione
scrape_forums
:- Raschia ricorsivamente i forum a partire dagli URL specificati.
- Raccoglie tutti i collegamenti esterni.
- Funzione
save_links_to_file
:- Salva tutti i collegamenti esterni raccolti in un file di testo.
- Parte principale della sceneggiatura:
- Imposta gli URL iniziali del forum.
- Avvia il processo di raschiatura.
- Salva i collegamenti raccolti in un file.
Istruzioni per l'uso:
Inserisci gli URL iniziali del forum nel file starting_urls
elenco.
Esegui lo script:
python script_name.py
I collegamenti raccolti verranno salvati nel file external_links.txt
file.
Questo script può essere migliorato e adattato a esigenze specifiche, come regole di analisi più complesse o gestione degli errori.
Commenti (0)
Non ci sono ancora commenti qui, puoi essere il primo!