Para analisar uma excelente base de fóruns para Xrumer ou software similar, é suficiente encontrar um tópico onde alguém esteja publicando seus próprios tópicos (anúncios) e vinculando seus tópicos a outros fóruns para reforçá-los.
Usando este script, você pode coletar seu banco de dados.
Requisitos:
Instale as bibliotecas necessárias usando:
pip install requests beautifulsoup4
Roteiro:
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}.")
Como funciona o roteiro:
- Função
get_links
:- Envia uma solicitação para o URL fornecido.
- Analisa o HTML e coleta todos os links.
- Função
is_external
:- Verifica se um link é externo.
- Função
scrape_forums
:- Raspa fóruns recursivamente a partir dos URLs fornecidos.
- Coleta todos os links externos.
- Função
save_links_to_file
:- Salva todos os links externos coletados em um arquivo de texto.
- Parte principal do roteiro:
- Define os URLs iniciais do fórum.
- Inicia o processo de raspagem.
- Salva os links coletados em um arquivo.
Instruções de uso:
Insira os URLs iniciais do fórum no starting_urls
lista.
Execute o script:
python script_name.py
Os links coletados serão salvos no external_links.txt
arquivo.
Este script pode ser melhorado e adaptado a necessidades específicas, como regras de análise mais complexas ou tratamento de erros.
Comentários (0)
Ainda não há comentários aqui, você pode ser o primeiro!