baiduspider Goto Github PK

一个爬取百度的利器
简体中文 | 繁體中文 | English
快速上手 »

查看示例 · 报告问题 · 请求需求

搜索引擎是一个十分强大的工具，如果能让其他工具集成搜索引擎的众多强大功能，那么这些工具必将变得更加强大。但目前我没有找到一个可以精准提取搜索引擎搜索结果的开源爬虫。于是，我便编写了这个爬取百度搜索引擎的项目：BaiduSpider。

BaiduSpider 的独特功能:

• 节省提取数据的时间，对于类似深度学习项目的数据模型建立与训练起到了良好的帮助。

• 精准提取数据，并删除广告。

• 搜索结果大而全，支持多种搜索类型，支持多种返回类型。

当然，没有一个项目是完美的。任何一个项目的发展都需要社区的帮助。你可以通过发布 Issue 或提交 PR 来帮助 BaiduSpider 进步！:smile:

一些比较有帮助的文档或工具将在最后的致谢部分中列出。

一些 BaiduSpider 使用的主要开源依赖库。

• BeautifulSoup 4
• requests

为了安装 BaiduSpider，请按照以下几个步骤操作。

在安装 BaiduSpider 之前，请确保你安装了Python3.6+：

$ python --version

若版本小于3.6.0，请到Python官网下载并安装 Python。

请在命令行中键入：

$ pip install baiduspider

$ git clone [email protected]:BaiduSpider/BaiduSpider.git

# ...

$ python setup.py install

你可以使用以下代码，通过 BaiduSpider 获取百度的网页搜索结果：

# 导入BaiduSpider
from baiduspider import BaiduSpider
from pprint import pprint

# 实例化BaiduSpider
spider = BaiduSpider()

# 搜索网页
pprint(spider.search_web(query='Python'))

更多样例和配置，请参照文档

请参考 Opening Issues 以获取最新的项目规划以及已知问题。

社区的贡献是开源项目的灵魂所在，也是整个开源社区学习、交流、获得灵感的方式。我们极力欢迎任何人参与本项目的开发与维护。

具体参与步骤如下：

1. Fork 此项目
2. 创建 Feature 分支 (git checkout -b NewFeatures)
3. 在每次修改代码后，提交你的更改 (git commit -m 'Add some AmazingFeature')
4. 将更改推送到自己的远程仓库 (git push origin username/BaiduSpider)
5. 在 GitHub 上打开你的仓库，根据指引提交 PR

本项目基于GPL-V3开源，详情请参见LICENSE。

samzhangjy - @samzhangjy - [email protected]

项目链接：https://github.com/BaiduSpider/BaiduSpider

此项目仅作为学习用途，不可商用或用于爬取百度大量数据。此外，本项目使用GPL-V3版权协议，意味着涉及（使用）此项目的任何其它项目必须开源且注明出处，并且本项目作者不承担滥用导致的任何法律风险。特此说明，违者后果自负。

• BeautifulSoup 4
• Requests
• Img Shields
• Gitmoji
• Best-README-Template
• Choose an Open Source License
• GitHub Pages