【Python与SEO】悟空问答自动采集及Zblog博客自动发布一条龙源码!

技术百科 admin 发布时间:2024-04-08 浏览:43 次

仅记录,一个简单的网站自动采集发布一条龙源码,程序运行启用了宝塔面板的计划任务,通过定时计划任务实现每日自动运行采集发布文章,理论上只需配置关键词文档及背景源图片!

实现功能:

悟空问答自动采集Zblog博客自动发布可自动生成带标题无版权图片类似水印图片文章发布后自动推送百度收录平台可自行添加版权信息等其他附加文字内容信息

存在bug:

关键词文档保存会中断,程序会终止失效其他n多未知bug

悟空问答采集平台规则已失效,请谨慎使用!

其实网上可以找到不少类似的自动采集发布源码程序,理论上就是解决以下几个问题:

采集源采集数据

数据整理分类处理

数据内容网站发布

为什么市面上有这么多垃圾站能够有排名,一方面的是它的需求量够大,这里本渣渣所说的需求量是指的有搜索需求量的关键词数据,另一方面大概率是坚持,坚持什么呢?多站点,不同行业不同站点去测试去采集发布,所谓东边不亮西边亮,总有一个会上去,你看到了效果,但其背后还有无数炮灰站点!

最后一个问题,文章重要还是词重要?本渣渣现在的回答是词重要,也就是需求,搜索需求,以满足搜索需求而设计网站内容,只有这样才有搜索体验而言。

这就是搜索到垃圾站想吃了狗屎一样,虽然内容牛头不对马嘴,但是确实满足了搜索需求,搜索词肯定是对了的!

搞站一句话:建议加大采集力度,一把梭哈,直接梭哈

不要怂,就是干!

赢了会所嫩模,输了下海干活!

附完整源码供参考,仅记录,平台已失效:

# 悟空问答采集处理# -*- coding: utf-8 -*-import

 requests, json

import

 re

import

 xmlrpc.client

from PIL import

 ImageFont, ImageDraw, Image

import

 time

import

 datetime

import

 os

import

 random

from requests.packages.urllib3.exceptions import

 InsecureRequestWarning

# 协议头列表

ua_list = [

    "Mozilla/5.0(compatible;Baiduspider-render/2.0; +http://www.baidu.com/search/spider.html)"

,

    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36; 360Spider"

,

    "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)"

,

    "Mozilla/5.0 (compatible; YandexBot/3.0; +http://yandex.com/bots)"

,

    "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML,like Gecko)Chrome/41.0.6633.1032 Mobile Safari/537.36;Bytespider;"

,

    "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.81 YisouSpider/5.0 Safari/537.36"

,

]

now = datetime.datetime.now()

s = now.strftime(%y%m%d

)

fs = f/www/wwwroot/xxxx.cn/zb_users/upload/{s}/os.makedirs(fs, exist_ok=True

)

# 生成时间戳图片名def create_img_name():    

"""

    获取当前时间,生成时间戳

    以时间戳命名图片名

    """

    t = time.time()

    img_name = int(t)  # 秒级时间戳    img_name = f{img_name}.jpeg    return

 img_name

# 生成文件名def create_wjm():    

"""

    获取当前日期生成保存图片的文件夹名称

    """

    now = datetime.datetime.now()

    s = now.strftime(%y%m%d

)

    # r/www/wwwroot/xxxx.cn/zb_users/upload

    print(s)

    return

 s

# 标题转图片def write_txt_img(title, fs):    

"""

    以文章标题和背景图片合成图片并保存图片文件

    """
    bgimg = Image.open(f/www/wwwroot/PythonSEO/pwsh/{(random.randint(1309))}.png

)

    draw = ImageDraw.Draw(bgimg)  # 读取    fnt = ImageFont.truetype(/www/wwwroot/PythonSEO/pm.ttf50)  # 设置字体及大小    draw.text((50150), title, fill=red, font=fnt)  # 写入文本1 位置坐标 颜色    # bgimg.show()  # 显示图片    bgimg = bgimg.convert("RGB")  # 改成三通道色

    img_name = create_img_name()

    bgimg.save(f{fs}{img_name})  # 保存图片    print("文字写入图片成功!"

)

    return

 img_name

# 获取下拉词def get_sug(word):    

"""

    获取百度下拉词列表

    """
    # 禁用安全请求警告

    requests.packages.urllib3.disable_warnings(InsecureRequestWarning)

    url = https://sp0.baidu.com/5a1Fazu8AA54nxGko9WTAnF6hhy/su?wd=%s&sugmode=2&json=1&p=3&sid=1427_21091_21673_22581&req=2&pbs=%%E5%%BF%%AB%%E6%%89%%8B&csor=2&pwd=%%E5%%BF%%AB%%E6%%89%%8B&cb=jQuery11020924966752020363_1498055470768&_=1498055470781

 % word

    r = requests.get(url, verify=False)  # 请求API接口,取消了HTTPS验证    cont = r.content  # 获取返回的内容    # print(cont)    res = cont[41-2].decode(gbk)  # 只取返回结果中json格式一段,并且解码为unicode    res_json = json.loads(res)  # json格式转换    keywords = res_json[s

]

    print(keywords)

    return keywords  # 返回关键词列表def get_qlist(word):    

"""

    获取悟空问答列表,已失效!

    """
    headers = {user-agent

: random.choice(ua_list)}

    url = f"https://wukong.toutiao.com/wenda/web/question/association/?title={word}"    response = requests.get(url=url, headers=headers, timeout=6

)

    question_list = response.json()[question_list

]

    if

 question_list:

        question = question_list[0

]

        qtitle = question[title

]

        img_name = write_txt_img(qtitle, fs)

        qid = question[qid

]

        get_content(headers, word, qid, img_name, qtitle)

    else

:

        path = r"/www/wwwroot/PythonSEO/fail.txt"        con = f{word}---{question_list}---获取悟空问答失败!-{datetime.datetime.now()}

        save_txt(con, path)

    print(question)

    return

 question

# 获取问答详情def get_content(headers, title, qid, img_name, name):     

"""

    获取悟空问答详情,已失效!

    同时插入分类及发布文章数据

    """
    url = f"https://wukong.toutiao.com/wenda/web/question/loadmorev1/?qid={qid}&count=10"    response = requests.get(url=url, headers=headers, timeout=6

)

    print(response.status_code)

    ans_list = response.json()[data][ans_list

]

    if

 ans_list:

        print(f有 {len(ans_list)} 个回答数据!

)

        text = get_content_abstract_text(ans_list, img_name, name)

        # category = "品味生活"        category = "品味生活"        zbgfb(name, text[1], category, title, text[0

])

    else

:

        path = r"/www/wwwroot/PythonSEO/fail.txt"        con = f{title}---{ans_list}---获取悟空问答详情失败!-{datetime.datetime.now()}

        save_txt(con, path)

# 回答数据处理,简介数据整合def get_content_abstract_text(ans_list, img_name, name):    

"""

    获取悟空问答数据规整简单合并处理

    """

    content = 

    excerpt = 

    for ans in

 ans_list:

        abstract_text = ans[abstract_text

]

        # print(abstract_text) #简介        abstract_texts = abstract_text.split()[:-1

]

        abstext = 

.join(abstract_texts)

        if

 abstext != :

            print(abstext)

            excerpt = f{excerpt}{abstext}            content = f"{content}{abstext}。</br>"    exce = excerpt.split(

)

    excerpt = f{name}{exce[0]},{exce[1]}

    result = add_html(content, img_name, name)

    print(result)

    text = excerpt, result

    return

 text

# 去除html代码标签def re_html(content):    pattern = re.compile(r<[^>]+>

, re.S)

    result = pattern.sub(, content)

    # print(result)    return

 result

# 增加html代码标签def add_html(content, img_name, name):    img = f<p style="text-align: center;"><img style="width: 600px; height: 400px;" src="http://www.xxxx.cn/zb_users/upload/{create_wjm()}/{img_name}" title="{name}" alt="{name}"></p>    # content=content.replace(。,。<br>).replace(?,?<br>).replace(!,!<br>)    result = f{img}<p>{content}</p>    # print(result)    return

 result

# 发布文章def zbgfb(title, content, category, key, excerpt):    

"""

    zbolg博客接口发布文章

    """

"

    username = "
用户名

"

    password = "
密码

"

    apiurl = "
https://www.xxxx.cn/zb_system/xml-rpc/index.php

"  # 接口地址填写自己zblog域名地址

    blogid = 

    s = xmlrpc.client.ServerProxy(apiurl)  # 链接xmlrpc

    # print(s)

    keywords = get_sug(key)

    if keywords == []:

        blog = s.metaWeblog.newPost(, username, password, {

            title: title,  # 标题

            description: content,

            categories: category,  # 分类

            mt_keywords: key,  # 标签

            mt_excerpt: excerpt,  # 摘要

        }, True)

    else:

        title = f{title}-{keywords[0]}

        bq = <p style="
font-size:12px;color:#8a92a9;"> 声明:网站作品(图文、音视频)源于网络分享,仅供网友学习交流。若您的权利被侵害,请联系 微信:huguo00289 删除!</p>        content = f{content}<p>本文相关关键词:{key}{keywords[1]}{keywords[2]}</p>{bq}

        blog = s.metaWeblog.newPost(, username, password, {

            title: title,  # 标题            description

: content,

            categories: category,  # 分类            mt_keywords: key,  # 标签            mt_excerpt: excerpt,  # 摘要        }, True

)

    print(blog)

    print("发布文章成功!"

)

    path = r"/www/wwwroot/PythonSEO/pwshsuccess.txt"    con = f{key}---{title}

    save_txt(con, path)

# 读取txtdef read_words():

    words = []

    with open(/www/wwwroot/PythonSEO/pwsh.txtr, encoding=utf-8as

 f:

        datas = f.readlines()

    print("读取关键词列表成功!"

)

    for data in

 datas:

        word = data.strip()

        word = word.replace(\n

, )

        words.append(word)

    return

 words

# 写入txtdef save_txt(word, path):    with open(path, a+, encoding=utf-8as

 f:

        f.write(f{word}\n

)

# 写入txtdef save_words(words):    for word in

 words:

        with open(/www/wwwroot/PythonSEO/pwsh.txta+, encoding=utf-8as

 f:

            f.write(f{word}\n

)

    print("更新关键词列表成功!"

)

def ts(url):    

"""

    百度推送网页链接

    """
    apiurl = "http://data.zz.baidu.com/urls?site=https://www.xxxx.cn&token=dnTPOlAAkXIW876V

"

    headers = {

        "
User-Agent": "curl/7.12.1

",

        "
Host": "data.zz.baidu.com

",

        "
Content-Type": "text/plain

",

        "
Content-Length": "83

",

    }

    response = requests.post(url=apiurl, data=url, headers=headers)

    print(response)

    print(response.json())

def tsll():

    "
""

    百度推送多条网页链接数据

    

"""

    url = "https://www.xxxx.cn/"

    headers = {

        "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36",

    }

    html = requests.get(url=url, headers=headers, timeout=8).content.decode(utf-8)

    urls = re.findall(r

, html, re.S)

    # print(len(urls))

    print(urls)

    for url in urls:

        with open("/www/wwwroot/PythonSEO/tsurls.txt", a+, encoding=utf-8) as f:

            f.write(f{url}\n)

        ts(url)

    tag_html = requests.get(url=urls[0], headers=headers, timeout=8).content.decode(utf-8)

    id = re.findall(r"标签:                    

        0]

    print(id)

    tag_urls = []

    tag_id = int(id)

    for i in range(1, 11):

        tag_url = fhttps://www.xxxx.cn/tags-{tag_id}.html

        tag_urls.append(tag_url)

        tag_id = tag_id - 1

    # print(len(tag_urls))

    print(tag_urls)

    for tag_url in tag_urls:

        with open("/www/wwwroot/PythonSEO/tsurls.txt", a+, encoding=utf-8) as f:

            f.write(f{tag_url}\n)

        ts(tag_url)

def main():

    words = read_words()

    os.remove(r/www/wwwroot/PythonSEO/pwsh.txt)  # 删除文件

    i = 0

    for word in words:

        word = word.replace(\ufeff, )

        try:

            get_qlist(word)

            words.remove(word)

            i = i + 1

        except Exception as e:

            path = r"/www/wwwroot/PythonSEO/fail.txt"

            con = f{word}---运行出错:{e}!-{datetime.datetime.now()}

            save_txt(con, path)

            words.remove(word)

        time.sleep(random.randint(65, 140))

        if i > 8:

            tsll()  # 推送链接

            time.sleep(random.randint(120, 160))

        if i > 18:

            save_words(words)

            tsll()  # 推送链接

            break

if __name__ == __main__:

    main()

·················END·················

你好,我是二大爷,革命老区外出进城务工人员,互联网非早期非专业站长,喜好python,写作,阅读,英语不入流程序,自媒体,seo . . .公众号不挣钱,交个网友。

读者交流群已建立,找到我备注 “交流”,即可获得加入我们~

听说点 “在看” 的都变得更好看呐~

关注关注二大爷呗~给你分享python,写作,阅读的内容噢~

扫一扫下方二维码即可关注我噢~

关注我的都变秃了

说错了,都变强了!

不信你试试

扫码关注最新动态公众号ID:eryeji

在线咨询

点击这里给我发消息售前咨询专员

点击这里给我发消息售后服务专员

在线咨询

免费通话

24h咨询:400-888-8888


如您有问题,可以咨询我们的24H咨询电话!

免费通话

微信扫一扫

微信联系
返回顶部