写在前面

情景介绍

在使用搜索引擎的时候，除非目的非常明确，我都会用鼠标中键连续在新选项卡中打开好几个页面，然后再逐一查看。本文编写 Python 脚本，使得这个过程自动化。也就是，给定搜索关键词进行百度搜索，挑出搜索结果的前 5 条，然后在浏览器中打开它们。

Python 知识点

WebBrowser、Requests、BeautifulSoup 模块的基本操作。

概述

首先梳理程序要执行的步骤。

  • 从参数列表中获取关键词；
  • 进行百度搜索并下载搜索页面；
  • 得到前 5 个搜索结果的链接；
  • 在浏览器中打开这些连接。
    在开始编写代码之前，确保已经安装必需的库：webbrowser、requests、bs4。本文代码测试环境为 Windows 上的 Python 3.7.0。
本文地址：https://www.jeddd.com/article/python-search-and-auto-open.html

本文地址：https://www.jeddd.com/article/python-search-and-auto-open.html

获取关键词

要从参数列表中获取内容，要用到sys.argv。由于搜索的关键词可能由多个单词组成，因此要用空格连接它们成为一个长字符串。代码如下：

import sys, webbrowser, requests, bs4

# 从参数列表中获取关键词
keywords = '%20'.join(sys.argv[1:])

# TODO 2: 进行百度搜索并下载搜索页面
# TODO 3: 得到前5个搜索结果的链接
# TODO 4: 在浏览器中打开这些连接

注意：%20 是空格的 URL 编码。以上代码使用空格连接第 2 个（下标为 1）到最后一个参数，并保存在变量 keywords 中。

下载搜索页面

构造搜索 URL

百度搜索的 URL 格式为 https://www.baidu.com/s?wd=<关键词>，只需将其与 keywords 变量连接就好了。

伪装 User-Agent

百度会拒绝 Python requests 库直接发起的请求，并返回一个跳转页面。因此我们必须将 UA 伪装成一个普通用户的浏览器，用下面这个 Chrome 的 UA 就可以了：

Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36

下载页面

使用 requests 库，用上面伪装的 UA 向构造好的百度搜索 URL 发起 get 请求就可以下载得到搜索页面了。代码如下：

import sys, webbrowser, requests, bs4

# 从参数列表中获取关键词
keywords = '%20'.join(sys.argv[1:])

# 进行百度搜索并下载搜索页面
fakeua = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36"}
searchPage = requests.get('https://www.baidu.com/s?wd=' + keywords, headers = fakeua)
searchPage.raise_for_status()    # 如果失败就抛出异常

# TODO 3: 得到前5个搜索结果的链接
# TODO 4: 在浏览器中打开这些连接

 

得到结果链接

要用 BeautifulSoup 选择搜索页面上的结果链接，必须知道百度搜索结果链接的格式，这就要用到浏览器的开发者工具了。

用百度搜索任意内容，并在一条结果上点击右键并点击【检查】（不同浏览器略有不同，此处以 Chrome 为例），观察到百度搜索结果的链接都是<h3>标签中的<a>标签，而且<h3>标签均有一个名为 t 的类。

你不需要知道 t 类是什么意思，只需要将它作为一个标记，查找我们需要的<a>元素即可。

好的，现在我们知道了想要的链接位于 t 类内的<a>标签，其 href 属性就是最后要打开的页面链接！

这部分的代码如下：

import sys, webbrowser, requests, bs4

# 从参数列表中获取关键词
keywords = '%20'.join(sys.argv[1:])

# 进行百度搜索并下载搜索页面
fakeua = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36"}
searchPage = requests.get('https://www.baidu.com/s?wd=' + keywords, headers = fakeua)
searchPage.raise_for_status()    # 如果失败就抛出异常

# 得到前5个搜索结果的链接
searchSoup = bs4.BeautifulSoup(searchPage.text, features="html.parser")
elements = searchSoup.select('.t a')

# TODO 4: 在浏览器中打开这些连接

 

本文地址：https://www.jeddd.com/article/python-search-and-auto-open.html

在浏览器中打开

接下来要找到前 5 个搜索结果的链接，并在浏览器中打开它们。当然，如果你输入的关键词过于生僻，以至于搜索结果不到 5 个，那么就应该取搜索结果的数量。综上，要打开的页面数为 5 和结果总数的最小值。

在上一步中，我们已经找到了搜索结果的<a>标签，而<a>标签的 href 属性的值就是要打开的链接。（由于百度做了混淆，这并不是原始链接，不过没关系，会正常跳转的，不影响打开页面）

在一个循环中依次调用 webbrowser 的 open 方法即可在系统默认浏览器中打开这些链接。最终完整代码如下：

import sys, webbrowser, requests, bs4

# 从参数列表中获取关键词
keywords = '%20'.join(sys.argv[1:])

# 进行百度搜索并下载搜索页面
fakeua = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36"}
searchPage = requests.get('https://www.baidu.com/s?wd=' + keywords, headers = fakeua)
searchPage.raise_for_status()    # 如果失败就抛出异常

# 得到前5个搜索结果的链接
searchSoup = bs4.BeautifulSoup(searchPage.text, features="html.parser")
elements = searchSoup.select('.t a')

# 在浏览器中打开这些连接
for i in range(min(5, len(elements))):
    webbrowser.open(elements[i].get('href'))
本文地址：https://www.jeddd.com/article/python-search-and-auto-open.html

代码测试

将上述代码保存为 search.py，然后打开命令行，执行：

python search.py linux git

该脚本以“linux git”为关键词在百度搜索，取得前 5 个搜索结果，然后在浏览器中打开它们。成功！

 

写在后面

本文中的思路可以用到 Google 等其它引擎上，甚至也能用到京东等电商网站上。编写这类小脚本的宗旨就是把经常操作的动作给封装起来，减少重复动作。当然了，这个脚本只是实现了最基础的功能，它还可以更加完善。

References

本文地址：https://www.jeddd.com/article/python-search-and-auto-open.html