比如，你想采集标题中包含“58同城”的SERP结果，并过滤包含有“北京”或“厦门”等结果数据。

该Python脚本主要是实现以上功能。

其中，使用BeautifulSoup来解析HTML，可以参考我的另外一篇文章：Windows8下安装BeautifulSoup

代码如下：

复制代码 代码如下:
__author__ = \’曾是土木人\’
# -*- coding: utf-8 -*-
#采集SERP搜索结果标题
import urllib2
from bs4 import BeautifulSoup
import time
#写文件
def WriteFile(fileName,content):
    try:
        fp = file(fileName,\”a+\”)
        fp.write(content + \”\\r\”)
        fp.close()
    except:
        pass

#获取Html源码
def GetHtml(url):
    try:
        req = urllib2.Request(url)
        response= urllib2.urlopen(req,None,3)#设置超时时间
        data    = response.read().decode(\’utf-8\’,\’ignore\’)
    except:pass
    return data

#提取搜索结果SERP的标题
def FetchTitle(html):
    try:
        soup = BeautifulSoup(\’\’.join(html))
        for i in soup.findAll(\”h3\”):
            title = i.text.encode(\”utf-8\”)　　　　　　
　　　　　　　if any(str_ in title for str_ in (\”北京\”,\”厦门\”)):
　　　　　　　　  continue
            else:
                print title
            WriteFile(\”Result.txt\”,title)
    except:
        pass

keyword = \”58同城\”
if __name__ == \”__main__\”:
    global keyword
    start = time.time()
    for i in range(0,8):
        url = \”http://www.baidu.com/s?wd=intitle:\”+keyword+\”&rn=100&pn=\”+str(i*100)
        html = GetHtml(url)
        FetchTitle(html)
        time.sleep(1)
    c = time.time() – start
    print(\’程序运行耗时:%0.2f 秒\’%(c))