Python 刷网页访问量

额……有这种想法，感觉自己坏坏哒……其实，自己刚开始写CSDN博客，看到朋友们的博客访问量都达到几十万几百万了，而自己刚开始写，一星期过去了访问量才两位数，好拙计啊……说白了还是自己的虚荣心在作怪……尝试一下吧……

 

使用了python3的urllib模块，开始使用了简单的urllib.request.urlopen()函数，结果发现行不通，csdn设置了简单的检查选项，需要python模拟浏览器进行访问才行，简单的很，那就模仿一个好啦，使用urllib.request.build_opener()就可以进行模拟啦，添加一个访问头就可以啦

 

但是呢，访问太频繁有可能会造成服务器拒绝访问，那么就稍微等等好啦，使用time模块中的sleep()函数即可。还有一个小问题，当服务器拒绝的时候，python会当成错误，从而终止了程序，这样就不好玩了，一点都不自动化，解决这个问题也蛮简单，刚才看书才看到try…except…语法，这样把出现的错误都放到except语句里面不就OK了么，经过本人测试，一般会出现下面两个错误urllib.error.HTTPError和urllib.error.URLError，那这两个错误都弄到except里面就可以啦，哈哈

 

于是简单的刷一个页面的版本出现啦，代码如下：

[python]  view plain copy print ?

1. __author__ = 'MrChen'  
2.   
3. import urllib.request  
4. import time  
5.   
6. #使用build_opener()是为了让python程序模仿浏览器进行访问  
7. opener = urllib.request.build_opener()  
8. opener.addheaders = [('User-agent', 'Mozilla/5.0')]  
9.   
10. #专刷某个页面  
11. print('开始刷了哦：')  
12. tempUrl = 'http://blog.csdn.net/calling_wisdom/article/details/40900815'  
13. for j in range(200):  
14.     try :  
15.         opener.open(tempUrl)  
16.         print('%d %s' % (j , tempUrl))  
17.     except urllib.error.HTTPError:  
18.         print('urllib.error.HTTPError')  
19.         time.sleep(1)  
20.     except urllib.error.URLError:  
21.         print('urllib.error.URLError')  
22.         time.sleep(1)  
23.     time.sleep(0.1)  

上面这个版本圆满完成了刷一个页面的任务，还蛮好用的，但是呢，如果我要把我所有的博客都刷个遍呢，一个一个地刷是不是太慢了呢，鄙人七八篇博客还勉强可以接受，但是如果以后七八十篇呢……想想就头疼，还是继续想办法吧

 

鉴于目前本人的所有博客都在博客主页目录的第一页中，所以直接查看博客目录，然后把每篇博客的网址都提取出来不久OK了么，嗯，说干就干

 

简单列一下思路：

1，  先抓取博客目录页的网址内容，然后使用re模块进行查找，找到每篇博客的地址（实际情况是这样的，里面的网址都是半截半截的，类似这样的/calling_wisdom/article/details/........，一会把前面的部分加上就可以了）

2，  把里面重复的网页过滤掉，这个也简单，使用set()就可以了

3，  把抓取到的网址合并成可以直接进行访问的网址

4，  使用一下刚学的BeautifulSoup解析网页的标题，这样就可以知道刷的是哪篇博客了（在这里继续夸一夸BeautifulSoup，超级好用，一下就把我想要的内容提取出来了）

5，  准备完毕，刷起来！每个页面给大爷刷200遍先！让爷装B让爷飞！

 

代码如下：（注释写的很到位了吧，不用再解释什么吧，最讨厌写代码没注释的）

[python]  view plain copy print ?

1. __author__ = 'MrChen'  
2.   
3. import urllib.request  
4. import re  
5. import time  
6. from bs4 import BeautifulSoup  
7.   
8. p = re.compile('/calling_wisdom/article/details/........')  
9.   
10. #自己的博客主页  
11. url = "http://blog.csdn.net/calling_wisdom"   
12.   
13. #使用build_opener()是为了让python程序模仿浏览器进行访问  
14. opener = urllib.request.build_opener()  
15. opener.addheaders = [('User-agent', 'Mozilla/5.0')]  
16.   
17. html = opener.open(url).read().decode('utf-8')  
18.   
19. allfinds = p.findall(html)  
20. #print(allfinds)  
21.   
22. urlBase = "http://blog.csdn.net"#需要将网址合并的部分  
23. #页面中的网址有重复的，需要使用set进行去重复  
24. mypages = list(set(allfinds))  
25. for i in range(len(mypages)):  
26.     mypages[i] = urlBase+mypages[i]  
27.   
28. print('要刷的网页有：')  
29. for index , page in enumerate(mypages) :  
30.     print(str(index), page)  
31.   
32. #设置每个网页要刷的次数  
33. brushNum = 200  
34.   
35. #所有的页面都刷  
36. print('下面开始刷了哦：')  
37. for index , page in enumerate(mypages) :  
38.     for j in range(brushNum):  
39.         try :  
40.             pageContent = opener.open(page).read().decode('utf-8')  
41.             #使用BeautifulSoup解析每篇博客的标题  
42.             soup = BeautifulSoup(pageContent)  
43.             blogTitle = str(soup.title.string)  
44.             blogTitle = blogTitle[0:blogTitle.find('-')]  
45.             print(str(j) , blogTitle)   
46.               
47.         except urllib.error.HTTPError:  
48.             print('urllib.error.HTTPError')  
49.             time.sleep(3)#出现错误，停几秒先  
50.               
51.         except urllib.error.URLError:  
52.             print('urllib.error.URLError')  
53.             time.sleep(3)#出现错误，停几秒先  
54.         time.sleep(0.5)#正常停顿，以免服务器拒绝访问