Xrumer や同様のソフトの優れたフォーラム ベースを解析するには、誰かが独自のトピック (広告) を公開し、他のフォーラムにそのトピックをリンクして強化しているトピックを 1 つ見つけるだけで十分です。
このスクリプトを使用すると、データベースを収集できます。
要件:
以下を使用して必要なライブラリをインストールします。
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}.")
スクリプトの動作方法:
- 機能
get_links
:- 指定された URL にリクエストを送信します。
- HTML を解析し、すべてのリンクを収集します。
- 機能
is_external
:- リンクが外部のものかどうかを確認します。
- 機能
scrape_forums
:- 指定された URL からフォーラムを再帰的にスクレイピングします。
- すべての外部リンクを収集します。
- 機能
save_links_to_file
:- 収集されたすべての外部リンクをテキスト ファイルに保存します。
- 脚本の主要部分:
- 初期のフォーラム URL を設定します。
- スクレイピングプロセスを開始します。
- 収集したリンクをファイルに保存します。
使用方法:
最初のフォーラムURLを starting_urls
リスト。
スクリプトを実行します:
python script_name.py
収集されたリンクは external_links.txt
ファイル。
このスクリプトは、より複雑な解析ルールやエラー処理などの特定のニーズに合わせて改善および調整できます。
コメント (0)
まだコメントはありません。あなたが最初のコメントを投稿できます!