文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

使用python怎么爬取谷歌趋势数据

2023-06-14 18:24

关注

本篇文章为大家展示了使用python怎么爬取谷歌趋势数据,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。

python有哪些常用库

python常用的库:1.requesuts;2.scrapy;3.pillow;4.twisted;5.numpy;6.matplotlib;7.pygama;8.ipyhton等。

爬取的三个界面返回的都是json数据。主要获取对应的token值和req,然后构造url请求数据就行

使用python怎么爬取谷歌趋势数据使用python怎么爬取谷歌趋势数据

token值和req值都在这个链接的返回数据里。解析后得到token和req就行

使用python怎么爬取谷歌趋势数据

socks5代理不太懂,抄网上的作业,假如了当前程序的全局代理后就可以跑了。全部代码如下

import socketimport socksimport requestsimport jsonimport pandas as pdimport logging#加入socks5代理后,可以获得当前程序的全局代理socks.set_default_proxy(socks.SOCKS5,"127.0.0.1",1080)socket.socket = socks.socksocket#加入以下代码,否则会出现InsecureRequestWarning警告,虽然不影响使用,但看着糟心# 捕捉警告logging.captureWarnings(True)# 或者加入以下代码,忽略requests证书警告# from requests.packages.urllib3.exceptions import InsecureRequestWarning# requests.packages.urllib3.disable_warnings(InsecureRequestWarning)# 将三个页面获得的数据存为DataFrametime_trends = pd.DataFrame()related_topic = pd.DataFrame()related_search = pd.DataFrame()#填入自己打开网页的请求头headers = {    'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36',    'x-client-data': 'CJa2yQEIorbJAQjEtskBCKmdygEI+MfKAQjM3soBCLKaywEI45zLAQioncsBGOGaywE=Decoded:message ClientVariations {// Active client experiment variation IDs.repeated int32 variation_id = [3300118, 3300130, 3300164, 3313321, 3318776, 3321676, 3329330, 3329635, 3329704];// Active client experiment variation IDs that trigger server-side behavior.repeated int32 trigger_variation_id = [3329377];}',    'referer': 'https://trends.google.com/trends/explore',    'cookie': '__utmc=10102256; __utmz=10102256.1617948191.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utma=10102256.889828344.1617948191.1617948191.1617956555.3; __utmt=1; __utmb=10102256.5.9.1617956603932; SID=8AfEx31goq255ga6Ldt9ljEVZ5xQ7fYTAdzCK3DgEYp2s6MOxeKc__hQ90tTtn0W-6AVoQ.; __Secure-3PSID=8AfEx31goq255ga6Ldt9ljEVZ5xQ7fYTAdzCK3DgEYp2s6MOLU4HYHzyoAXIvtAhfF_WNg.; HSID=AELT1m_DoHJY-r6SW; SSID=AJSlRt0T7ngXXMtqv; APISID=3Nt6oALGV8kSym2M/A2QeNBMtb9P7VcIwV; SAPISID=iAA0fu76JZezPfK4/Apws7zK1y-o74b2YD; __Secure-3PAPISID=iAA0fu76JZezPfK4/Apws7zK1y-o74b2YD; 1P_JAR=2021-04-06-06; SEARCH_SAMESITE=CgQIo5IB; NID=213=oYQE35gIVD2DrxbpY7NdAQsAEyg-If7Jh_nBdSKTkvmtgaVV7tYeSQNq_636cysbsajJP3_dKfr95w51ywK-dxVYhzPP4Zll9JndBYY98vd_XegGoeLEevpxIhNxUAv6H24OVt_edoGFkSjTpWKn4QAoIoerHCViyvozrvGF7m4scupppmxN-h9dwm1nrs15I3b_E-ifLq0lgd9s7QrgA-FRuaDeyuXN8t1K7l_DMTB1jkE5ED_dC-_QAO7DDw; SIDCC=AJi4QfFdMiK_qV41ViVJf0wWmtOu8yUVSQc_UEvemoaQwTGI9W0w2XwwkMCufVcYIS5ogRSkq5w; __Secure-3PSIDCC=AJi4QfEmB-gnzZLHWR4p1EmOfS2dhSz9zWSGNGOozrY2udFk4KwVmVo_srZdZrmdy7h_mwLSwQ'}# 获取需要的三个界面的req值和token值def get_token_req(keyword):    url = 'https://trends.google.com/trends/api/explore?hl=zh-CN&tz=-480&req={{"comparisonItem":[{{"keyword":"{}","geo":"US","time":"today 12-m"}}],"category":0,"property":""}}&tz=-480'.format(        keyword)    html = requests.get(url, headers=headers, verify=False).text    data = json.loads(html[5:])    req_1 = data['widgets'][0]['request']    token_1 = data['widgets'][0]['token']    req_2 = data['widgets'][2]['request']    token_2 = data['widgets'][2]['token']    req_3 = data['widgets'][3]['request']    token_3 = data['widgets'][3]['token']    result = {'req_1': req_1, 'token_1': token_1, 'req_2': req_2, 'token_2': token_2, 'req_3': req_3,              'token_3': token_3}    return result# 请求三个界面的数据,返回的是json数据,所以数据不用解析,完美def get_info(keyword):    content = []    keyword = keyword    result = get_token_req(keyword)    #第一个界面    req_1 = result['req_1']    token_1 = result['token_1']    url_1 = "https://trends.google.com/trends/api/widgetdata/multiline?hl=zh-CN&tz=-480&req={}&token={}&tz=-480".format(        req_1, token_1)    r_1 = requests.get(url_1, headers=headers, verify=False)    if r_1.status_code == 200:        try:            content_1 = r_1.content            content_1 = json.loads(content_1.decode('unicode_escape')[6:])['default']['timelineData']            result_1 = pd.json_normalize(content_1)            result_1['value'] = result_1['value'].map(lambda x: x[0])            result_1['keyword'] = keyword        except Exception as e:            print(e)            result_1 = None    else:        print(r_1.status_code)    #第二个界面    req_2 = result['req_2']    token_2 = result['token_2']    url_2 = 'https://trends.google.com/trends/api/widgetdata/relatedsearches?hl=zh-CN&tz=-480&req={}&token={}'.format(        req_2, token_2)    r_2 = requests.get(url_2, headers=headers, verify=False)    if r_2.status_code == 200:        try:            content_2 = r_2.content            content_2 = json.loads(content_2.decode('unicode_escape')[6:])['default']['rankedList'][1]['rankedKeyword']            result_2 = pd.json_normalize(content_2)            result_2['link'] = "https://trends.google.com" + result_2['link']            result_2['keyword'] = keyword        except Exception as e:            print(e)            result_2 = None    else:        print(r_2.status_code)    #第三个界面    req_3 = result['req_3']    token_3 = result['token_3']    url_3 = 'https://trends.google.com/trends/api/widgetdata/relatedsearches?hl=zh-CN&tz=-480&req={}&token={}'.format(        req_3, token_3)    r_3 = requests.get(url_3, headers=headers, verify=False)    if r_3.status_code == 200:        try:            content_3 = r_3.content            content_3 = json.loads(content_3.decode('unicode_escape')[6:])['default']['rankedList'][1]['rankedKeyword']            result_3 = pd.json_normalize(content_3)            result_3['link'] = "https://trends.google.com" + result_3['link']            result_3['keyword'] = keyword        except Exception as e:            print(e)            result_3 = None    else:        print(r_3.status_code)    content = [result_1, result_2, result_3]    return contentdef main():    global time_trends,related_search,related_topic    with open(r'C:\Users\Desktop\words.txt','r',encoding = 'utf-8') as f:        words = f.readlines()    for keyword in words:        keyword = keyword.strip()        data_all = get_info(keyword)        time_trends = pd.concat([time_trends,data_all[0]],sort = False)        related_topic = pd.concat([related_topic,data_all[1]],sort = False)        related_search = pd.concat([related_search,data_all[2]],sort = False)if __name__ == "__main__":    main()

上述内容就是使用python怎么爬取谷歌趋势数据,你们学到知识或技能了吗?如果还想学到更多技能或者丰富自己的知识储备,欢迎关注编程网行业资讯频道。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯