Iniciación a programación en Python

Hola Daniel, esta de lujo. Te invito a crear el módulo y compartirlo con los compañeros. Un saludo

EDIT: Simplemente mencionar que para que funcione es necesario crear un dict tal cómo se explica en la clase del Rank Tracker.

• Esta respuesta fue modificada hace 5 meses, 2 semanas por israel.

Eso daría para un curso aparte 😋

Muy buenas,

He modificado un poco el código de Isra para recuperar título, descripción y headings de los 10 primeros resultados de una búsqueda en google.

Puede ser útil para tener una idea del artículo a escribir.

A cuidarse!

# Archivo de arranque del programa (start.py).
from searchEngine.google import GoogleSearch
from headings.headings import headings

# Importamos la libreria SYS y otras
import sys 
import io
import os

#Recupero resultados en google para la keyword
keywords = "claustrofobia"
urls = GoogleSearch(keywords)
if urls.error == "ko":
     print("Mierda...Error... no lo he definido...")
     exit()

#uso un directorio para guardar los ficheros de resultados. Si no existe lo creo
directorio = "Ficheros"
try:
  os.stat(directorio)
except:
  os.mkdir(directorio)

#abro fichero para escribir headings
f = open(directorio + "\\" + keywords + ".txt", "w", encoding="utf-8")
for x in urls.listaUrls:
    #Para cada url recupero título, descripción y sus headings
    hola = headings(x)
    if hola.error == "ko":
        print("Error xxx")
        continue
    f.write(x + "\n")
    f.write("Título: " + hola.titulo + "\n")
    f.write("Descripción: " + hola.descripcion + "\n")
    f.write("Headings: " + "\n")
    for h in hola.headings:
        f.write(h + "\n")
    f.write("\n")     
 
f.close

# Archivo google.py (para buscar en google y recuperar las urls)
# Importamos la librería requests 
import requests 
# Importo la librería del Rank Tracker
from bs4 import BeautifulSoup
class GoogleSearch(): 
   
    listaUrls = []
    error = ""
    def __init__(self, QUERY): 
        URL = "https://www.google.com/search?q=%s&oq=%s" % (QUERY, QUERY)
        headers =  {"user-agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"}
        resp = requests.get(URL, headers = headers)
        html = resp.content

        if resp.status_code == 200: 
            soup = BeautifulSoup(html, "html.parser")
            links = soup.find_all("div", {"class" : "g"})
            for x in links:
                a = x.find("a", href = True)
                u = a["href"]
                if str(u).startswith("http"):
                    if "#" not in u:
                        self.listaUrls.append(u)
                    else:
                        self.listaUrls.append(str(u).split("#")[0])
            #print(len(self.listaUrls))
            self.error = "ok"
        else: 
            self.error = "ko"
            print ("Hay un error al procesar la solicitud: ", resp.status_code)

# Archivo headings. (Para cada encontrada en google recupero título, descripción y headings)
import requests 
# Importo la librería del Rank Tracker
from bs4 import BeautifulSoup
class headings(): 
    
    titulo = ""
    descripcion = ""
    headings = []
    error = ""

    def __init__(self, URL): 
        self.headings.clear()
        headers =  {"user-agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"}
        resp = requests.get(URL, headers = headers)
        html = resp.content

        if resp.status_code == 200: 
            soup = BeautifulSoup(html, "html.parser")
            self.titulo = soup.title.text
            if soup.find("meta", property="description"):
                self.descripcion = soup.find("meta", property="description").get('content')
            elif soup.find("meta", property="og:description"):
                self.descripcion = soup.find("meta", property="og:description").get('content')
            elif soup.find("meta", property="twitter:description"):
                self.descripcion = soup.find("meta", property="twitter:description").get('content')

            headers = soup.find_all(["h1", "h2", "h3", "h4"])

            for x in headers:
                h = str(x.name)
                self.headings.append("  "*(int(h[-1])-1) + h + " - " +  x.getText().strip())
                
            self.error = "ok"
        else: 
            self.error = "ko"
            print ("Hay un error al procesar la solicitud: ", resp.status_code)

• Esta respuesta fue modificada hace 5 meses, 1 semana por Atreyu.