如何用python 爬虫 | 检查网站情况好坏

news/2024/5/17 6:53:22/文章来源:https://blog.csdn.net/weixin_49345590/article/details/109742898

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章来源于腾讯云作者：努力在北京混出人样

( 想要学习Python？Python学习交流群：1039649593，满足你的需求，资料都已经上传群文件流，可以自行下载！还有海量最新2020python学习资料。 )
在这里插入图片描述

1、网站大小估计

在谷歌或百度中输入site:域名
例如
在这里插入图片描述

显示这个网站有1亿0720万个网页。

2、识别网站所用的技术

在爬去网站之前，了解网站使用的技术，会对爬去数据有一定的印象。这里使用builtwith模块来探测网上搭建的技术。

import builtwith
builtwith.parse("http://www.jianshu.com")

结果：

 {u’javascript-frameworks’: [u’Prototype’, u’RequireJS’], u’programming-languages’: [u’Ruby’], u’web-frameworks’: [u’Twitter Bootstrap’, u’Ruby on Rails’]}

3、查看网站的拥有者

采用python-whois包，需要下载。

pip install python-whois

查看所有者

import whois
print(whois.whois("http://www.jianshu.com"))

结果：

 { “updated_date”: [ “2016-04-06 00:00:00”,  “2016-04-06 10:24:47” ],  “status”: [ “clientTransferProhibited https://icann.org/epp#clientTransferProhibited“,  “clientTransferProhibited https://www.icann.org/epp#clientTransferProhibited” ],  “name”: “Shanghai Bai Ji Information Technology Inc. Ltd,”,  “dnssec”: “unSigned”,  “city”: “Shanghai”,  “expiration_date”: [ “2020-03-20 00:00:00”,  “2020-03-20 18:28:58” ],  “zipcode”: “200433”,  “domain_name”: “JIANSHU.COM”,  “country”: “CN”,  “whois_server”: “whois.name.com”,  “state”: “Shanghai”,  “registrar”: “Name.com, Inc.”,  “referral_url”: “http://www.name.com“,  “address”: “Innospace 2, B1, Building #5, KIC, No.316 Songhu Road , Yangpu District”,  “name_servers”: [ “F1G1NS1.DNSPOD.NET”,  “F1G1NS2.DNSPOD.NET”,  “f1g1ns1.dnspod.net”,  “f1g1ns2.dnspod.net” ],  “org”: “Shanghai Bai Ji Information Technology Inc. Ltd,”,  “creation_date”: [ “2008-03-20 00:00:00”,  “2008-03-20 18:28:58” ],  “emails”: [ “contact@jianshu.com”,  “abuse@name.com” ] } In [ ]: