再谈Python批量查询百度指数

#coding:utf-8
import requests
import browsercookie
from urllib.parse import urlencode
import pandas as pd
from datetime import datetime

class BaiduIndex(object):
    def __init__(self,kw,startDate,endDate):
        self.kw = kw
        self.startDate = startDate
        self.endDate = endDate
        self.headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36'}
        self.cookies = browsercookie.chrome()
        self.baidu_indexs = self.get_baidu_indexs()
        self.categories = {'all':'total_index','pc':'pc_index','wise':'mobile_index'}

    def get_baidu_indexs(self):
        request_args = {
                    'word': self.kw,
                    'startDate': self.startDate,
                    'endDate': self.endDate,
                    'area': 0,
                }
        url = 'http://index.baidu.com/api/SearchApi/index?{}'.format(urlencode(request_args))
        # print(url)
        html = requests.get(url,headers = self.headers,cookies = self.cookies).json()
        # print(html)
        return html

    #获取关键词某段时间内的平均指数
    def avg_baidu_index(self):
        datas = self.baidu_indexs
        if datas.get('data'):
            datas = datas['data']['generalRatio'][0]
            # datas = html['data']['generalRatio'][0]
            total_index = datas['all']['avg']
            pc_index = datas['pc']['avg']
            mobile_index = datas['wise']['avg']
            return {'total_index':total_index,'mobile_index':mobile_index,'pc_index':pc_index}
        else:
            return {'total_index':0,'mobile_index':0,'pc_index':0}

    # 获取关键词某段时间内每天的指数
    def daily_baidu_index(self):
        datelist = self.datelist()
        datas = self.baidu_indexs
        if datas.get('data'):
            uniqid = datas['data']['uniqid']
            datas = datas['data']['userIndexes'][0]
            key = self.get_key(uniqid)
            d = {}
            for category,value in self.categories.items():
                data = datas[category]['data']
                # print(key,data)
                index = self.decrypt(key,data)
                num = len(index)
                # print(len(datelist),num,len(datelist[-num:]))
                indexs = {date:index for date,index in zip(datelist[-num:],index)}
                d[value] = indexs
            return d
        else:
            d = {}
            for category, value in self.categories.items():
                indexs = {date:0 for date in datelist}
                d[value] = indexs
            return d

    def get_key(self,uniqid):
        url = 'http://index.baidu.com/Interface/api/ptbk?uniqid={}'.format(uniqid)
        html = requests.get(url,headers = self.headers,cookies=self.cookies).json()
        return html['data']

    # 根据起始日期生成每日日期
    def datelist(self):
        datelist =[datetime.strftime(x,'%Y-%m-%d') for x in list(pd.date_range(start=self.startDate, end=self.endDate))]
        return datelist

    # 解密百度指数
    def decrypt(self,key,data):
        num = {}
        datas = []
        for line in range(len(key) // 2):
            num[key[line]] = key[len(key) // 2 + line]
        for dt in range(len(data)):
            datas.append(num[data[dt]])
        return ''.join(datas).split(',')

if __name__ == "__main__":
    b = BaiduIndex('周杰伦','2020-03-15','2020-03-17')
    daily_index = b.daily_baidu_index()   #某个时间段每一天的指数
    print(daily_index)
    print(daily_index.get('total_index').get('2020-03-16'))  #2020年3月16日的整体指数
    print(daily_index.get('pc_index').get('2020-03-16'))  # 2020年3月16日的PC指数
    print(daily_index.get('mobile_index').get('2020-03-16'))  # 2020年3月16日的移动指数
    avg_index = b.avg_baidu_index()     #某个时间段平均指数
    print(avg_index)

输出结果如下所示:

{'total_index': {'2020-03-15': '18201', '2020-03-16': '18934', '2020-03-17': '19095'}, 'pc_index': {'2020-03-15': '3288', '2020-03-16': '3912', '2020-03-17': '3969'}, 'mobile_index': {'2020-03-15': '14913', '2020-03-16': '15022', '2020-03-17': '15126'}}
18934
3912
15022
{'total_index': 18743, 'mobile_index': 15020, 'pc_index': 3723}

可以看到,可查询到某段时间内平均指数以及每天的指数,包括总指数,PC指数以及移动端指数。

如果想查某一天的指数,设置startDate和endDate是同一日期即可。如下所示:

if __name__ == "__main__":
    b = BaiduIndex('周杰伦', '2020-03-16', '2020-03-16')
    avg_index = b.avg_baidu_index()
    print(avg_index)

输出:

{'total_index': 18934, 'mobile_index': 15022, 'pc_index': 3912}

这里仅以单个关键词查询作示例,至于改成批量查询及将查询结果写入文件,有Python基础的话不是什么难事儿,这里不再示例。

没有大量查询测试,但很可能会遇到封账号问题,可尝试换IP、多账号查询等方式。

老规矩,关注公众号【Python加SEO做增长】,后台回复关键词【百度指数】即可获得这份代码,不会使用可私信我。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,036评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,046评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,411评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,622评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,661评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,521评论 1 304
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,288评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,200评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,644评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,837评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,953评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,673评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,281评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,889评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,011评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,119评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,901评论 2 355

推荐阅读更多精彩内容