`

写段代码看看别人都怎么称呼你网站的?

    博客分类:
  • Ruby
阅读更多
步骤很简单:
1)使用google的搜索inlink的语法link:url和num参数指定一页显示的结果数,
在这个结果中找到外链的页面url,排除网站内链接。
def search_inlinks_from_google(query,result_num)
        escaped_query = CGI.escape("link:#{query}")
        google_url = "http://www.google.com/search?q=#{escaped_query}&num=#{result_num}"
        inlinks = []
       
        Nokogiri::HTML(open(google_url,:proxy => rand_proxy)).css('h3.r > a.l').each do |node|
            link = node.attributes['href']
            inlinks << link if not self_inlink?(query,link)
            puts "inlink: #{link}"
        end
        return inlinks
    end

2)依次fetch每个url的页面,在fetch下来的页面找到目标链接,把achor
text记录下来,并计数。
 def find_site_names_by_inlinks(inlinks,site_query)
        name_count_map = Hash.new{|hash,key| hash[key] = 0}
        inlinks.each do |link|
            puts "searching from #{link}..."
            Nokogiri::HTML(open(link,fetch_options)).xpath("//a").each do |link_node|
                name_count_map[link_node.text.strip.downcase] += 1 if link_node.attributes["href"].to_s =~ /#{site_query}/
            end
        end
        p name_count_map
        name_count_map.sort{|a,b| b[1] <=> a[1]}.collect{|name,count| name }
    end

3)按照出现次数排序,比较靠前的基本是这个网站的名字了。
我们使用了好几个代理,每次随机选取一个,以防被封掉。
全部的代码:
#!/usr/bin/ruby
# author fuliang http://fuliang.iteye.com
require 'nokogiri'
require 'open-uri'
require 'net/http'
require 'cgi'

class SiteNameSearchAgent
public
    def initialize
        @proxies = 1.upto(6).collect{|index| "http://l-crwl#{index}:1080"}
    end
    
    def get_site_names(site_query,max_result_num=20)
        inlinks = search_inlinks_from_google(site_query,max_result_num)
        find_site_names_by_inlinks(inlinks,site_query)
    end
private
    def search_inlinks_from_google(query,result_num)
        escaped_query = CGI.escape("link:#{query}")
        google_url = "http://www.google.com/search?q=#{escaped_query}&num=#{result_num}"
        inlinks = []
       
        Nokogiri::HTML(open(google_url,:proxy => rand_proxy)).css('h3.r > a.l').each do |node|
            link = node.attributes['href']
            inlinks << link if not self_inlink?(query,link)
            puts "inlink: #{link}"
        end
        return inlinks
    end
    
    def self_inlink?(query,link)
        query_domain,link_domain = [query,link].collect{|url| URI.parse(url).host.sub(/^(.*?)\./,"")}
        return query_domain == link_domain
    end

    def find_site_names_by_inlinks(inlinks,site_query)
        name_count_map = Hash.new{|hash,key| hash[key] = 0}
        inlinks.each do |link|
            puts "searching from #{link}..."
            Nokogiri::HTML(open(link,fetch_options)).xpath("//a").each do |link_node|
                name_count_map[link_node.text.strip.downcase] += 1 if link_node.attributes["href"].to_s =~ /#{site_query}/
            end
        end
        p name_count_map
        name_count_map.sort{|a,b| b[1] <=> a[1]}.collect{|name,count| name }
    end

    def rand_proxy
        return @proxies[(rand * 6).to_i]
    end

    def fetch_options
        user_agent = "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.1.2) Gecko/20061201 Firefox/2.0.0.2 (Ubuntu-feisty)"
        fetch_options = {
            "User-Agent" => user_agent,
            "proxy" => rand_proxy
        }
    end
end

search_agent = SiteNameSearchAgent.new
p search_agent.get_site_names("http://www.iteye.com",50)

结果:
引用

{"javaeye/ago123456/123456"=>3, "05.javaeye技术网站"=>1, "javaeye"=>12, "http://www.iteye.com"=>2, "go"=>1, "www.iteye.com"=>1, "javaeye技术社区"=>4, "javaeye社区"=>1, "上海乐福狗信息技术有限公司:诚聘技术经理和开发工程师"=>1, "对require的疑惑--ruby -javaeye做最棒的软件开发交流社区"=>1, ""=>2, "访问此网站"=>1, "google reader"=>1, "javascriptå\u009Fºç¡\u0080ç\u009F¥è¯\u0086大é\u009B\u0086é\u0094¦(1)"=>1, "webå\u0089\u008D端æ\u008A\u0080æ\u009C¯è®ºå\u009D\u009Bæ\u009C\u0080æ\u0096°è®¨è®º - javaeye"=>1}
["javaeye", "javaeye技术社区", "javaeye/ago123456/123456", "http://www.iteye.com", "", "javaeye社区", "go", "www.iteye.com", "上海乐福狗信息技术有限公司:诚聘技术经理和开发工程师", "对require的疑惑--ruby -javaeye做最棒的软件开发交流社区", "05.javaeye技术网站", "访问此网站", "google reader", "javascriptå\u009Fºç¡\u0080ç\u009F¥è¯\u0086大é\u009B\u0086é\u0094¦(1)", "webå\u0089\u008D端æ\u008A\u0080æ\u009C¯è®ºå\u009D\u009Bæ\u009C\u0080æ\u0096°è®¨è®º - javaeye"]


需要安装gem nokogiri,在Ubuntu下:
引用

$ sudo apt-get install libxml2 libxml2-dev libxslt libxslt-dev
$ gem install nokogiri
0
0
分享到:
评论

相关推荐

    随便写的代码,大家随便看看

    【标题】:“随便写的代码,大家随便看看” 在这个标题中,虽然没有明确指出具体的技术细节,但是我们可以推测这可能是一个代码分享或者示例代码集合。作者可能是为了展示某个功能、解决某一问题,或者是进行技术...

    怎么找论文代码?论文代码看不懂怎么办?.xmind

    怎么找论文代码?论文代码看不懂怎么办?.xmind

    扫雷游戏代码 随便来看看

    扫雷最简单的做法,大家来看看 内有代码。 扫雷游戏

    超实用的JavaScript代码段

    超实用的JavaScript代码段 需要的人们看看吧

    竖屏写代码就是爽!一个Java程序员的双屏生产力桌面

    竖屏写代码就是爽!一个Java程序员的双屏生产力桌面

    java代码统计器【看看你有多少代码量】

    写的一个代码统计器,尝试了两种方法,一种多线程并行处理,一种直接迭代,经过对比,发现迭代效率要高得多,经过分析,使用多线程时因为其实每个线程运行的时间不长,因而新建线程带来的系统开销导致多线程情况下...

    java代码统计器【看看你有多少代码量】12月17日修改

    写的一个代码统计器,尝试了两种方法,一种多线程并行处理,一种直接迭代,经过对比,发现迭代效率要高得多,经过分析,使用多线程时因为其实每个线程运行的时间不长,因而新建线程带来的系统开销导致多线程情况下...

    c#写的浏览器可以看源代码

    c#写的浏览器可以看源代码 public void NewNullTabPages() //新建空白页面的方法 { CustomTabpage tabpage = new CustomTabpage(this); this.urlBox.Text = "about:blank"; this.tabControl1.TabPages.Add...

    editplus如何实现整段缩进

    无论是Python的四个空格规则,还是C++或Java中普遍采用的两个空格或一个制表位,EditPlus都能轻松应对,成为你得心应手的代码编辑工具。所以,熟练运用这些技巧,你的代码将会更加整洁、规范,也更容易被同行理解和...

    Poj中的一些题目源代码

    这些文件名揭示了一些关于编程竞赛和算法的知识点,主要集中在解决特定问题的源代码上。在编程竞赛中,POJ(Problemset Online Judge)是一个知名的在线判题系统,用于检验和提交程序解决问题的能力,而OI(Online...

    C语言扫雷代码

    要是写其他用于所谓评审,投标,申请某些东西的文档,你最好还是谷歌、百度然后抄吧,再不行就去天涯,别人绝对比你写的好,写的规范,你依葫芦画瓢就行了,不用动脑。而写给你自己的文档,格式就不用拘泥了,把问题...

    数字游戏代码,没事写着玩,看有你需要的吗?

    number game number game

    java代码规范

    不明白这点,即使你写的再高明的算法,没准哪天也被当作乱码别处理掉。 记住!每天垒乱码(或许你不觉得,但是大多时候在别人眼中确实就是乱码)并不能使你获得更多的进步,相反要达到高水平的程序员,养成良好的...

    基于深度学习TensorFlow的手写数字识别代码(高分代码)

    基于深度学习TensorFlow的手写数字识别代码(高分代码),含有代码注释,新手也可看懂。毕业设计、期末大作业、课程设计、高分必看,下载下来,简单部署,就可以使用。该项目可以作为毕设、课程设计期末大作业使用,...

    11高级 2:刚刚提交的代码,发现写错了怎么办?.md

    进阶 6:看看我都改了什么 学习时长: 5分18秒 11 高级 1:不喜欢 merge 的分叉?用 rebase 吧 学习时长: 4分20秒 12 高级 2:刚刚提交的代码,发现写错了怎么办? 学习时长: 1分56秒 13 高级 3:写错的不是最新的...

    网店代码 想开网店的朋友来看看哦

    网店代码,希望可以帮到大家哦,嘻嘻,好多好看的网店代码,想开网店的朋友过来看看哦~~

    JAVA编写的看图软件程序源代码

    JAVA编写的看图软件程序源代码 ; JAVA编写的螃蟹过街程序源代码 ; JAVA编写的拼图---键盘操作程序源代码 ; JAVA编写的拼图---鼠标操作程序源代码 ; JAVA编写的文本编辑器程序源代码 其余部分搜索、下载方法: 1、...

    网络录音机程序代码

    闲来无事,上来看看,每次来都有点愧疚的感觉,老是索取代码提问,今天把我写的一个网络录音的程序放上来,本来是监视我女友用来的,我就随便写了写,录音部分是参照vckbase的录音api代码,结合了一小段socket(TCP)就可以...

Global site tag (gtag.js) - Google Analytics