Периодически приходится решать достаточно интересные задачи, а иногда достаточно нудные и скучные, когда надо просто механически повторять один и тот же порядок действий, и длиться это может достаточно долго. что отнимает ресурс в виде времени.
Ну а зачем тратить час на ручную работу, если можно потратить 2 часа на то, чтобы это автоматизировать, правда? Сказал бы я вот так и потратил бы на это часа три, а то и четыре. Но слава нейросетям, помогают сократить это время до минимума.
Суть задачи — надо вытащить урлы из xml карты сайта, но карта разбита на несколько мелких карт по 1000 урлов, соответственно это осложняет процесс загрузки этих урлов.
Резонный вопрос, а на кой ляд тебе понадобились эти урлы? Для того, чтобы отправить их на индексацию через Google Indexing API, как я это называю — принудительная отправка на индексацию большого массива.
Можно пойти простым путем, открывать каждый урл руками, сохранять его как xml на своем компьютере, далее собрать их все в одну папку и открыть принудительно все скопом через Power Query (кто не знает. что есть такая офигенная штука у Гугл таблиц — с добрым утром, рекомендую погуглить).
Но открыть 100 ссылок руками — ну такое, правда? Поэтому, за 1 минуту был сгенерирован скрипт на Питоне, которые решил задачу за 1,5 минуты. Мне не понадобилось много времени, скрипт заработал со второго раза, поэтому я делюсь им с вами, может кому будет полезен.
Настройка
Для начала необходимо установить на свой компьютер необходимые для работы модули, для чего надо открыть командную строку
Для Винды
Открытие через диалоговое окно «Выполнить»:
-
Нажмите комбинацию клавиш
Win + R
для открытия диалогового окна «Выполнить». -
Введите
cmd
и нажмитеEnter
.
Для Мака
Открытие через Spotlight:
-
Нажмите комбинацию клавиш
Cmd + Space
, чтобы открыть Spotlight. -
Введите
Terminal
и нажмитеEnter
.
В командной строке выполните следующие команды
pip install requests pip install beautifulsoup4
Если эти пакеты у вас установлены, проверьте обновление
pip install --upgrade requests pip install --upgrade beautifulsoup4
После этого создайте папку где у вас будет лежать наш скрипт и создайте там файл с разрешением .py. В моем случае это файл — script.py.
Откройте скрипт через текстовый редактор (я использую notepad++) и добавьте в файл этот код.
import requests from bs4 import BeautifulSoup # Функция для загрузки и парсинга карты сайта с заголовками def fetch_sitemap_urls(sitemap_url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36', 'Accept-Language': 'en-US,en;q=0.9', 'Accept-Encoding': 'gzip, deflate, br', 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8', 'Connection': 'keep-alive', 'Upgrade-Insecure-Requests': '1', } try: response = requests.get(sitemap_url, headers=headers) response.raise_for_status() # Проверка статуса HTTP soup = BeautifulSoup(response.content, 'xml') urls = [loc.text for loc in soup.find_all('loc')] if not urls: print(f"Не удалось найти URL в {sitemap_url}") return urls except requests.exceptions.RequestException as e: print(f"Ошибка при загрузке {sitemap_url}: {e}") return [] # Список URL-адресов карт сайта sitemap_urls = [ 'https://site.com/sitemap2.xml', 'https://site.com/sitemap1.xml', # Добавьте сюда дополнительные URL-адреса карт сайта ] # Массив для хранения всех URL all_urls = [] # Обработка каждой карты сайта for sitemap_url in sitemap_urls: print(f"Загрузка {sitemap_url}") urls = fetch_sitemap_urls(sitemap_url) all_urls.extend(urls) # Сохранение всех URL в файл with open('all_urls.txt', 'w') as file: for url in all_urls: file.write(url + '\n') print(f"Все URL успешно загружены и сохранены в all_urls.txt. Всего URL: {len(all_urls)}")
Обязательно замените на свои УРЛы после 28-29 строки.
Запускаете скрипт там же, в командной строке. Переходите в вашу папку, где лежит скрипт
cd d:/script
Далее запускаете скрипт такой командой
python script.py
Все урлы будут сохранены в этой же папке в файле result
Удачной автоматизации!
ссылка на оригинал статьи https://habr.com/ru/articles/826598/
Добавить комментарий