python 网站title

# -*- coding: utf-8 -*-
import sys
reload(sys)
sys.setdefaultencoding('utf-8')

import re
import urllib2
import urllib
import time
from urlparse import *



def get_title_from_uri(uri):
    import mechanize
    import cookielib

    br = mechanize.Browser()
    br.set_cookiejar(cookielib.LWPCookieJar()) # Cookie jar

    br.set_handle_equiv(True) # Browser Option
    br.set_handle_gzip(True)
    br.set_handle_redirect(True)
    br.set_handle_referer(True)
    br.set_handle_refresh(True)
    br.set_handle_robots(False)

    br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)

    br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
    print br.open(uri)
    print br.title()
    #return br.title()

#get_title_from_uri('http://www.example.gov.cn')
import urllib2
from BeautifulSoup import BeautifulSoup  
def bs_title(url):
    """"""
    try:
    
        html = urllib2.urlopen(url).read()
        soup = BeautifulSoup(html)  
        #encoding = str(chardet.detect(html)['encoding'])
    
        #if encoding == 'GB2312':
            #soup = BeautifulSoup(html,fromEncoding="GB18030")  
    
        #else:
            #soup = BeautifulSoup(html,fromEncoding=encoding)  
        #print url.strip() +':'+ str(encoding) +':'+ soup.title.string
        
        return str(soup.title.string)
    except Exception,e:
        print str(e)
        pass
print bs_title('http://www.xx.com')
import urllib2
import chardet
import requests
import re  
import chardet  
import urllib  
from lxml import etree  
from selenium import webdriver
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
from libs.Conn_scan import Mongo,get_request
from BeautifulSoup import BeautifulSoup  


class title(object):
    """"""
    #----------------------------------------------------------------------
    def __init__(self, url):
        """Constructor"""
        super(title, self).__init__()
        self.url = url


    def utf8_transfer(strs):  
        ''''' 
        utf8编码转换 
        '''  
        try:  
            if isinstance(strs, unicode):  
                strs = strs.encode('utf-8')  
            elif chardet.detect(strs)['encoding'] == 'GB2312':  
                strs = strs.decode("gb2312", 'ignore').encode('utf-8')  
            elif chardet.detect(strs)['encoding'] == 'utf-8':  
                strs = strs.decode('utf-8', 'ignore').encode('utf-8')  
        except Exception, e:  
            print 'utf8_transfer error', strs, e  
        return strs      

    def itle_xpath(Html):  
        ''''' 
        用xpath抽取网页Title 
        '''  
        Html = utf8_transfer(Html)  
        Html_encoding = chardet.detect(Html)['encoding']  
        page = etree.HTML(Html, parser=etree.HTMLParser(encoding=Html_encoding))  
        title = page.xpath('/html/head/title/text()')  
        try:  
            title = title[0].strip()  
        except IndexError:  
            print 'Nothing'  
            pass
        return title  
        
        
    def title_re(Html):  
        ''''' 
        用re抽取网页Title 
        '''  
        Html = utf8_transfer(Html)  
        compile_rule = ur'<title>.*</title>'  
        title_list = re.findall(compile_rule, Html)  
        if title_list == []:  
            title = ''  
        else:  
            title = title_list[0][7:-8]  
        return title  
        
        
    #----------------------------------------------------------------------
    def phJS_title(self):
        """"""
        try: 
            dcap = dict(DesiredCapabilities.PHANTOMJS)
            dcap["phantomjs.page.settings.userAgent"] = (
            "Mozilla/5.0 (Linux; Android 5.1.1; Nexus 6 Build/LYZ28E) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.23 Mobile Safari/537.36"
            )
            driver = webdriver.PhantomJS(desired_capabilities=dcap)
            
            driver.get(self.url)
            title = driver.title
            driver.quit()     
    
            return title
        except Exception,e:
            print str(e)
            Mongo.coll['title'].update({"URL":self.url},
                                               {"$set": {'title' : 'Null'}},
                                                       upsert = True)  
            Mongo.coll['Task'].update({"URL":self.url},
                                              {"$set": {'title':'0'}},
                                                      upsert = True)                
    #----------------------------------------------------------------------
    def run(self):
        """"""

        if self.phJS_title():
            title = self.phJS_title
        elif:
            title = 
        
        print title
        
        Mongo.coll['title'].update({"URL":self.url},
                                           {"$set": {'title' : title}},
                                                   upsert = True)  
        Mongo.coll['Task'].update({"URL":self.url},
                                          {"$set": {'title':'1'}},
                                                  upsert = True)        
        
            
            
        
        
#----------------------------------------------------------------------
def get_title(url):
    """"""
    title_url = title(url)
    title_url.run()
    
#get_title('http://www.baidu.com')
    

最后编辑于
©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 206,378评论 6 481
  • 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 88,356评论 2 382
  • 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 152,702评论 0 342
  • 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 55,259评论 1 279
  • 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 64,263评论 5 371
  • 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 49,036评论 1 285
  • 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 38,349评论 3 400
  • 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 36,979评论 0 259
  • 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 43,469评论 1 300
  • 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 35,938评论 2 323
  • 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 38,059评论 1 333
  • 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 33,703评论 4 323
  • 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 39,257评论 3 307
  • 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 30,262评论 0 19
  • 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 31,485评论 1 262
  • 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 45,501评论 2 354
  • 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 42,792评论 2 345

推荐阅读更多精彩内容