网站seo优化--jsoup 批量分析相关网站 标签,描述,关键词.

网站seo优化--jsoup 批量分析相关网站 标签,描述,关键词.

因为自己写了一个磁力搜索网站Btgoogle,准备进行优化一下,需要分析其他的网站的优化情况。

Java的Jsoup类库和PHP的一个Simple_html_dom框架具有异曲同工之妙,非常的相像.

比如Jsoup里面doc.select(".classname[:eq()]")和Simple_html_dom里面的$html->find(".classname",[eq])都是尽量完整Jquery里面的功能.非常实用.后面对这两个东西准备对比分析一下.对比而言,Jsoup比功能还是强大不少,更加接近JS.

Python

import urllib2
import re
import sys
url= "http://www.*****.com"
req=urllib2.Request(url)
r=urllib2.urlopen(req)
html=r.read()
m = re.search('\<meta name="keywords" content="(.*)"\/\>',html)
print m.group(1)
m = re.search('\<meta name="description" content="(.*)"\/\>',html)
print m.group(1)

简洁的python版,python效率还是很不错的,不过看Jsoup那么方便,就直接用Jsoup了

Jsoup

package keyword;
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class keyword {
    public static void main(String[] args) {
    	int i=0;
    	int error1=2;
        for(i=0;i<=10;i++){
    	   Document doc = null;
            try {
                doc = Jsoup.connect("http://www.baidu.com/s?wd=磁力搜索&pn="+i*10).get();
            } catch (IOException e) {
                e.printStackTrace();
            }
            Elements url = doc.getElementsByClass("g");
            for (Element link : url){
            	String linktext=link.text().replaceAll("/(.*)","");
            	linktext="http://"+linktext;
            	System.out.println("链接："+linktext);
            	Document linkin = null;
                try {
                    linkin = Jsoup.connect(linktext).timeout(5000).header("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:33.0) Gecko/20100101 Firefox/33.0").get();
                } catch (Exception e) {
                    error1=1;
                }
                if(error1!=1){
                String title = linkin.title();
                Elements metas = linkin.head().select("meta");
                for (Element meta : metas) {
                    String content = meta.attr("content");
                    if ("keywords".equalsIgnoreCase(meta.attr("name"))) {
                        System.out.println("关键字："+content);
                    }
                    if ("description".equalsIgnoreCase(meta.attr("name"))) {
                        System.out.println("网站内容描述:"+content);
                    }
                }
                Elements keywords = linkin.getElementsByTag("meta");
                System.out.println("标题"+title);
                }
                error1=0;
            }

        }
    }
}

这里面也有几个坑:

• 1.403 错误 ,服务器拒绝访问,这是老生常谈的问题了.模拟浏览器就行了.
• 2.超时错误,使用timeout(timelength)
• 3.错误处理,当然如果出现错误,整个程序就会暂停,所以异常处理那段搞搞就行try{..}catch{..}

版权归石头([e-mail])和博客园所有,都拷去那么多了,这一段也拷贝了吧http://www.cnblogs.com/webers/p/4350813.html