站长工具关键词挖掘采集，Python关键词批量挖掘采集工具

发布于

对于seoer而言，关键词的重要性毋庸置疑，关于关键词的挖掘有很多种方法，借助平台工具是必需的，而想要批量获取关键词数据，你需要更好的方法！

比如py大法好！

站长工具无疑是老牌的seo工具平台，虽然广为人吐槽，但它重要性和功能应该没有人质疑吧！

目标网址：

http://stool.chinaz.com/baidu/words.aspx

几个关键点：

1.考虑到某些关键词可能在站长工具里查询不到相关关键词，所以这里首先做了下过滤！

代码语言：javascript
复制
# 查询关键词是否能找到相关的关键字
def search_keyword(keyword):
    data = {
        'kw': keyword,
        'page': '1',
        'by': '0',
    }
    url = "http://stool.chinaz.com/baidu/words.aspx"
    html = requests.post(url, data=data, headers=ua()).text
    time.sleep(3)
    con = etree.HTML(html)
    key_result = con.xpath('//div[@class="col-red lh30 fz14 tc"]/text()')
    try:
        key_result = key_result[0]  # 没有找到相关的关键字
    except:
        key_result = []
    return key_result

如果没有查询到关键词相关数据则停止运行程序，保存查询的关键词数据！

代码语言：javascript
复制
        with open('no_search_keyword.txt','a+',encoding='utf-8') as f:
            f.write(keyword)
            print("该关键词已保存到 no_search_keyword.txt 文档中！")

2.关键数据数据的处理，应用了切片工具

Python可切片对象的索引方式 包括：正索引和负索引两部分，

如下图所示，以list对象a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]为例：

切片是非常重要而且好用的操作，相信你也能用上！

一个完整的切片表达式包含两个“:”，用于分隔三个参数(start_index、end_index、step)。当只有一个“:”时，默认第三个参数step=1；当一个“:”也没有时，start_index=end_index，表示切取start_index指定的那个元素。

切片操作基本表达式：

代码语言：javascript
复制
object[start_index:end_index:step]

step：正负数均可，其绝对值大小决定了切取数据时的‘‘步长”，而正负号决定了“切取方向”，正表示“从左往右”取值，负表示“从右往左”取值。当step省略时，默认为1，即从左往右以步长1取值。“切取方向非常重要！”“切取方向非常重要！”“切取方向非常重要！”，重要的事情说三遍！

start_index：表示起始索引（包含该索引对应值）；该参数省略时，表示从对象“端点”开始取值，至于是从“起点”还是从“终点”开始，则由step参数的正负决定，step为正从“起点”开始，为负从“终点”开始。

end_index：表示终止索引（不包含该索引对应值）；该参数省略时，表示一直取到数据“端点”，至于是到“起点”还是到“终点”，同样由step参数的正负决定，step为正时直到“终点”，为负时直到“起点”。

案例应用：

代码语言：javascript
复制
overall_indexs = keyword_all_datas[0::5]  # 整体指数
pc_indexs = keyword_all_datas[1::5]  # pc指数
mobile_indexs = keyword_all_datas[2::5]  # 移动指数
s360_indexs = keyword_all_datas[3::5]  # 360指数
collections = keyword_all_datas[4::5]  # 收录量

3.zip函数的应用

使用zip()函数来可以把列表合并，并创建一个元组对的列表

zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。

如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。

代码语言：javascript
复制
for key_word, overall_index, pc_index, mobile_index, s360_index, collection, ip, first_place_href, first_place_title in zip(
        key_words, overall_indexs, pc_indexs, mobile_indexs, s360_indexs, collections, ips, first_place_hrefs,
        first_place_titles
):
    data = [
        key_word,
        overall_index,
        pc_index,
        mobile_index,
        s360_index,
        collection,
        ip,
        first_place_href,
        first_place_title,
    ]
    print(data)

4.excel数据的保存

代码语言：javascript
复制
# 保存关键词数据为excel格式
def bcsj(keyword, data):
    workbook = xlwt.Workbook(encoding='utf-8')
    booksheet = workbook.add_sheet('Sheet 1', cell_overwrite_ok=True)
    title = [['关键词', '整体指数', 'PC指数', '移动指数', '360指数', '预估流量（ip）', '收录量', '网站首位链接', '网站首位标题']]
    title.extend(data)
    # print(title)
    for i, row in enumerate(title):
        for j, col in enumerate(row):
            booksheet.write(i, j, col)
    workbook.save(f'{keyword}.xls')
    print(f"保存关键词数据为 {keyword}.xls 成功！")

运行效果：

exe工具打包地址：

链接:

https://pan.baidu.com/s/1C7Kt3XuTcMxzEeA36KUP4A

提取码:

4y24

exe使用方法：

第一步：解压，打开，txt，添加关键词

第二步：运行exe

第三步：等待，完成

附完整源码：

代码语言：javascript
复制
#站长工具关键词挖掘
# -*- coding=utf-8 -*-
#by 微信：huguo00289

import requests

from lxml import etree

import re

import xlwt

import time

from fake_useragent import UserAgent


#构建随机协议头

def ua():

ua=UserAgent()

headers = {'User-Agent':ua.random}

return headers


查询关键词是否能找到相关的关键字


def search_keyword(keyword):

data = {

'kw': keyword,

'page': '1',

'by': '0',

}

url = "http://stool.chinaz.com/baidu/words.aspx"

html = requests.post(url, data=data, headers=ua()).text

time.sleep(3)

con = etree.HTML(html)

key_result = con.xpath('//div[@class="col-red lh30 fz14 tc"]/text()')

try:

key_result = key_result[0]  # 没有找到相关的关键字

except:

key_result = []

return key_result


获取关键词页码数和记录条数


def get_page_number(keyword):

data = {

'kw': keyword,

'page': '1',

'by': '0',

}

url = "http://stool.chinaz.com/baidu/words.aspx"

html = requests.post(url, data=data, headers=ua()).text

time.sleep(3)

con = etree.HTML(html)

page_num = con.xpath('//span[@class="col-gray02"]/text()')

page_numberze = r'共(.+?)页'

page_number = re.findall(page_numberze, page_num[0], re.S)

page_number = page_number[0]

total_data = con.xpath('//p[@class="col-gray lh24 fr pr5"]')  # 数据记录

total_datas = total_data[0].xpath('string(.)')  # 获取节点所有文本

print(f'挖掘关键词：{keyword}-{total_datas}')

return page_number


获取关键词数据


def get_keyword_datas(keyword, page_number):

datas_list = []

for i in range(1, page_number + 1):

print(f'正在采集第{i}页关键词挖掘数据...')

data = {

'kw': keyword,

'page': i,

'by': '0',

}

# print(data)

url = "http://stool.chinaz.com/baidu/words.aspx"

html = requests.post(url, data=data, headers=ua()).text

time.sleep(3)

# print(html)

con = etree.HTML(html)

key_words = con.xpath('//p[@class="midImg"]/a/span/text()')  # 关键词

# print(key_words)

keyword_all_datas = []

keyword_datas = con.xpath('//ul[@class="ResultListWrap "]/li/div[@class="w8-0"]/a')

for keyword_data in keyword_datas:

keyword_data = keyword_data.text

if keyword_data != None:

keyword_all_datas.append(keyword_data)

# print(keyword_all_datas)

overall_indexs = keyword_all_datas[0::5]  # 整体指数

# print(overall_indexs )

pc_indexs = keyword_all_datas[1::5]  # pc指数

# print(pc_indexs)

mobile_indexs = keyword_all_datas[2::5]  # 移动指数

# print(mobile_indexs)

s360_indexs = keyword_all_datas[3::5]  # 360指数

# print(s360_indexs)

collections = keyword_all_datas[4::5]  # 收录量

# print(collections)

ips = con.xpath('//ul[@class="ResultListWrap "]/li/div[@class="w15-0 kwtop"]/text()')  # 预估流量

if ips == []:

ips = ['--']

# print(ips)

first_place_hrefs = con.xpath(

'//ul[@class="ResultListWrap "]/li/div[@class="w18-0 lh24 tl"]/a/text()')  # 首页位置链接

if first_place_hrefs == []:

first_place_hrefs = con.xpath('//ul[@class="ResultListWrap "]/li/div[@class="w18-0 lh24 tl"]/text()')

# print(first_place_hrefs)

first_place_titles = con.xpath(

'//ul[@class="ResultListWrap "]/li/div[@class="w18-0 lh24 tl"]/p[@class="lh17 pb5"]/text()')  # 首页位置标题

if first_place_titles == []:

first_place_titles = ['--']

# print(first_place_titles)

data_list = []

for key_word, overall_index, pc_index, mobile_index, s360_index, collection, ip, first_place_href, first_place_title in zip(

key_words, overall_indexs, pc_indexs, mobile_indexs, s360_indexs, collections, ips, first_place_hrefs,

first_place_titles

):

data = [

key_word,

overall_index,

pc_index,

mobile_index,

s360_index,

collection,

ip,

first_place_href,

first_place_title,

]

print(data)

print('\n')

data_list.append(data)

time.sleep(3)

datas_list.extend(data_list)  # 合并关键词数据

return datas_list


保存关键词数据为excel格式


def bcsj(keyword, data):

workbook = xlwt.Workbook(encoding='utf-8')

booksheet = workbook.add_sheet('Sheet 1', cell_overwrite_ok=True)

title = [['关键词', '整体指数', 'PC指数', '移动指数', '360指数', '预估流量（ip）', '收录量', '网站首位链接', '网站首位标题']]

title.extend(data)

# print(title)

for i, row in enumerate(title):

for j, col in enumerate(row):

booksheet.write(i, j, col)

workbook.save(f'{keyword}.xls')

print(f"保存关键词数据为 {keyword}.xls 成功！")


#关键词挖掘主函数

def main():

keyword = input('请输入关键词>>')

print('正在查询，请稍后...')

result = search_keyword(keyword)

if result == "没有找到相关的关键字":

print('\n')

print(result)

print("该关键词没有挖掘到关键词数据")

with open('no_search_keywords.txt','a+',encoding='utf-8') as f:

f.write(keyword)

print("该关键词已保存到 no_search_keywords.txt 文档中！")

else:

print('\n')

page_number = get_page_number(keyword)

print('\n')

print('正在采集关键词挖掘数据，请稍后...')

print('\n')

print('========================BUG 反馈微信：huguo00289 ========================\n')

print('\n')

page_number = int(page_number)

datas_list = get_keyword_datas(keyword, page_number)

print('\n')

print('关键词挖掘数据采集结果：')

print('========================采集结果========================\n\n')

for datas in datas_list:

print(datas)

print('\n\n========================采集结束========================\n')

bcsj(keyword, datas_list)


#txt批量挖掘采集关键词数据

def run():

keywords=[key.strip() for key in open("search_keyword.txt")]

if len(keywords) > 0:

print(f'>>> 共导入{len(keywords)}个关键词数据！')

for keyword in keywords:

print(f'>>> 正在查询采集 {keyword} 关键数据...')

result = search_keyword(keyword)

if result == "没有找到相关的关键字":

print('\n')

print(result)

print("该关键词没有挖掘到关键词数据")

with open('no_search_keyword.txt', 'a+', encoding='utf-8') as f:

f.write(keyword)

print("该关键词已保存到 no_search_keyword.txt 文档中！")

else:

print('\n')

page_number = get_page_number(keyword)

print('\n')

print('正在采集关键词挖掘数据，请稍后...')

print('\n')

print('========================BUG 反馈微信：huguo00289 ========================\n')

print('\n')

page_number = int(page_number)

datas_list = get_keyword_datas(keyword, page_number)

print('\n')

print('关键词挖掘数据采集结果：')

print('========================采集结果========================\n\n')

for datas in datas_list:

print(datas)

print('\n\n========================采集结束========================\n')

bcsj(keyword, datas_list)

time.sleep(8)

else:

print('--- 批量查询模式开启失败！')

print('>>>开启手动查询模式！')

main()


if name == 'main':

print('\n========================工具说明========================')

print('站长工具关键词挖掘采集工具-by huguo002\n')

print('默认开启批量采集模式，需满足两个条件：')

print('1.运行目录存在 search_keyword.txt；')

print('2.keywords.txt 内存在关键词数据，关键词一行一个！')

print('否则将开启手动查询模式！\n')

print('================= BUG 反馈微信：huguo00289 ============\n')

time.sleep(5)

try:

print('>>> 默认开启批量查询模式！')

print('>>> 请稍后...')

run()

except:

print(">>> 未查询到 search_keyword.txt 文档数据！\n")

print('--- 批量查询模式开启失败！')

print(">>> 开启手动输入 关键词模式！\n")

main()

#python#exe#list#txt#zip