现在大部分搜索引擎都有付费推广的内容,我们经常在使用搜索引擎的时候,会被这些付费搜索的东西所干扰,例如,搜索在线编程这个词条:

可以看到这个词条,在一页屏幕上面,前面几个结果都是推广,这其中大部分命中的关键词是“编程”,而不是在线编程,这就会扰乱我们视听,也会给我们带来很不友好的体验,那么我们是否可以通过云函数SCF来做一个简单的工具,来屏蔽掉这些广告呢?

回答是当然可以,本教程将会通过SCF+COS来实现一个简单的网页搜索小工具,至于为啥叫搜索小工具,而不是叫去广告搜索小工具,结尾的地方,再详细说。

寻找广告特点

在对列表页代码研究过程中,我们发现,非广告页代码有:

而推广内容,则没有这个内容,所以,可以通过正则化,或者XPATH等操作来对目标内容进行识别。

本地实验

>>>>

本地爬虫编写

根据对页面分析,我们可以得到这样一组参数:

ie=utf-8
pn=10
wd=在线编程

这组参数中,ie是控制编码格式,pn是翻页(偏移量),wd是搜索词汇,对代码编写如下:

import urllib.request
import re
page = 1
args_pn = (page-1) * 10
url = "http://www.baidu.com/s?ie=utf-8&pn=" + str(args_pn) + "&wd=" + urllib.request.quote("在线编程")
req_attr = urllib.request.urlopen(url)
result_list = re.findall("data-tools='(.*?)'",req_attr.read().decode("utf-8"))
for eve in result_list:
    print(eve)

运行结果:

{"title":"代码在线运行 - 在线工具","url":"http://www.baidu.com/link?url=2rtPQM1Yb08uBDUY61IkU3Apr7xkDiP2_zsnZH00HyMsViwBfFR9LJAiXcjqD_EK"}
{"title":"南邮编程在线","url":"http://www.baidu.com/link?url=f_VCURb1ZNe7nVgW3G7IiBBvKDGaeht8SB3hK93jEEddFAtpJC2SGzBoFTs1BLWd"}
{"title":"在线编程 - 编程中国","url":"http://www.baidu.com/link?url=hnYcaMNhRhf5FZfV1vlE5SGS6GjUls4fluKKW52mMIAHwXJd1wey2mOdmtb13ldf"}
{"title":"一个简单的在线集成编程工具 - Anycodes - 随时随地有创意,随时...","url":"http://www.baidu.com/link?url=zMnTtD6cBS_3XT21FMSviS_mzF0T2daHAui6_XC7LAscng2KPt064eej0JqPgfBX"}
{"title":"非常好用的在线编程网站 - yimisiyang - CSDN博客","url":"http://www.baidu.com/link?url=57aywD0Q6WTnl7XKbIHuE7R_FT8mrDBMv8kdi_tomry-X1SrzMnjNVuobcIXjUVnR_ZQrRZQrTHv5uSgfZ-GdR5ud1WK9aOaAKTP-KhFr4e"}
{"title":"十个在线编程网站 _360doc个人图书馆","url":"http://www.baidu.com/link?url=ouVP_VD3EkdRLL-X2bjZNJTdFbVIJgt0jrZL3II0hxj5yT3aTAo56tUA0hUfrCbiZKWcmBNTLKcTiwA7q1bxQJwxdZnKEUzChwQ_nefSJK3"}
{"title":"[转]在线编程刷题网站 - gravely的专栏 - CSDN博客","url":"http://www.baidu.com/link?url=gPgyV9kX2IdYqfifVCn-22OPGWIZqBb3oGfRbl0b_LVRr0MmdgiXoaACk-vRZu6f45q3qsG4X3Zs2wexiex-0K"}
{"title":"c在线编译器,c语言在线解释器,在线编程网站","url":"http://www.baidu.com/link?url=ETluxwW57CgsUIBR7-BKj0bLA65WJr2eipQ5rJOF-1AB3ymP4AGViYXC7AUCrUcW"}
{"title":"8个国外最流行的在线编程练习网站","url":"http://www.baidu.com/link?url=3o0SRtHkYsI2gUjmjsks7dYk00VoljXmVhnkv-CskKh9aiaTAfyDPNa25f4Mj-7AcLrX9eiaObQVChuX5eG0BfWOcE1U-PGsVFWpCFLKSzq"}
{"title":"在线编程_百度百科","url":"http://www.baidu.com/link?url=0uxpDuoQDb_Amx9_6n9PqOpJr10tcRrbU0x-hshhnQNx2mVHyCiDJFsqthe-cEUQNv0AO0KFDYmCZP970sW8mVG02xwha-cNalwKUAogkmpwOQVy5xf9lqKdFROOMqBQ"}
可以看到,这个结果是第一页的搜索结果,他包括了:

首页结果,一对一匹配,并且没有上下的广告内容。证明本搜索结果是靠谱的。

>>>>

搜索页面制作

因为我不是专业前端,就做一个非常简单的基础页面:

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>新搜索 - Powered by Dfounderliu!</title>
</head>
<body>

<form>
    请输入要搜索的内容:<input type="text"><br>
    <input type="submit">
</form>
<div id="result">
    <ol>
        <li>结果1</li>
        <li>结果2</li>
    </ol>
</div>
</body>
</html>

效果大概这个样子:

发布服务

>>>>

发布云函数服务

# -*- coding: utf8 -*-
import json
import urllib.request
import re
def main_handler(event, context):
    print(event["pathParameters"]["kw"])
    print(event["pathParameters"]["pn"])
    page = int(event["pathParameters"]["pn"])
    args_pn = (page-1) * 10
    url = "http://www.baidu.com/s?ie=utf-8&pn=" + str(args_pn) + "&wd=" + event["pathParameters"]["kw"]
    req_attr = urllib.request.urlopen(url)
    result_list = re.findall("data-tools='(.*?)'",req_attr.read().decode("utf-8"))
    result = ""
    for eve in result_list:
        temp_json = json.loads(eve)
        temp_result = '<li><a href="%s">%s</a></li>'%(temp_json["url"],temp_json["title"])
        result = result + temp_result
    return result

>>>>

API网关配置

>>>>

API测试

>>>>

静态页面

接下来,对HTML页面进行修改,并且上传到COS。

页面修改为:

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>新搜索 - Powered by Dfounderliu!</title>
    <script src="https://cdn.staticfile.org/jquery/1.10.2/jquery.min.js"></script>
    <script>
        var UTFTranslate = {
            Change: function (pValue) {
                return pValue.replace(/[^\u0000-\u00FF]/g, function ($0) {
                    return escape($0).replace(/(%u)(\w{4})/gi, "&#x$2;")
                });
            },
            ReChange: function (pValue) {
                return unescape(pValue.replace(/&#x/g, '%u').replace(/\\u/g, '%u').replace(/;/g, ''));
            }
        };

        function searchKw() {
            var kw = document.getElementById("kw").value;
            var pn = document.getElementById("pn").value;
            $.get("http://service-rnwcbtai-1256773370.gz.apigw.tencentcs.com/release/list/" + kw + "/" + pn, function (data, status) {
                document.getElementById("result").innerHTML = UTFTranslate.ReChange(data)
            });
        }
</script>
</head>
<body>
<center><h1>在线搜索工具</h1></center>
<hr>
<center>
    请输入要搜索的内容:<input type="text" id="kw"><br>
    请输入要跳转的页面:<input type="text" id="pn"><br><br>
    <button type="reset">重置</button> &nbsp;&nbsp;|&nbsp;&nbsp;<button onclick="searchKw()">搜索</button>
</center>
<div>
    <ol id="result">
    </ol>
</div>
</body>
</html>

在对象存储中新建存储桶,并上传刚才的html文件:

修改权限为共有读,私有写:

基础配置,开启静态网站:

>>>>

访问域名测试

总结

至此,我们完成了一个基本的去广告的搜索引擎,那么:

1、本分享主要目的何在

2、这个例子有什么价值

关于上面两个问题,简单回复:

本分享主要想告诉大家,有了云函数和COS以及CDB等产品,作为用户,可以暂时不用CVM了。静态网页,可以放在COS中,后端的处理,放在云函数,数据存储到CDB,然后请求页面的时候,COS为保证了基本的访问功能和足够的带宽,云函数提供了弹性伸缩的功能,让用户无需考虑流量多少,是否要对CVM扩容等。

这样一个过程,可以让我们将更多的精力放到Coding上,想一下,如果传统的一个Python程序员想要做这样一个网页,他需要哪些知识?需要Django/flask等基本框架知识,需要一些Web端的运维,例如怎么配置环境,怎么配置Nginx等操作,现在呢?不需要这些框架知识,你只需要做一个简单的Html,Ajax通信,然后,后端就是我们平常的一个爬虫,也不需要我们写那么多复杂的配置文件,我个人认为这就是一种进步,一种方便。

第二点,这个教程,表面上就是一个云函数运行一个爬虫,接入了COS的静态页面,让我们可以不用CVM也能做出一个网页,但是实际上,这个DEMO意义重大。首先,我只是简单的做了一个页面,完全可以将做一个目标页面预览功能,当你鼠标移动到对应的URL上面,会浮动出现目标网页的样子和你关键词命中的位置,这算不算搜索引擎中的一种创新?

除此之外,表面上这个是去掉了某一种搜索的广告,但是我们可以借此拓展,可将其他多家搜索数据进行一个整合,然后统一显示出来,这算不算是一种方便?或者,通过多个程序员常去的社区论坛,编写多个爬虫进行整个,实现一个程序员专员搜索?当然,这个只是本例子的一个应用场景,我写这个Demo的更大目的,是想给大家一个思路:

原来做网站可以不用CVM了,可以直接用COS+SCF+CDB来搞定了啊!

各位小伙伴,是不是可以考虑做一个个人小博客,尝尝鲜?快来点击阅读原文尝试起来吧~

【SCF实践系列】是腾讯云Serverless团队策划的SCF场景落地系列案例指导,旨在帮忙开发者了解SCF可应用的场景及其实现方式。同时,我们也欢迎大家分享、反馈SCF相关技术实践、产品体验问题及建议等,一经选用,即有精美礼品送,欢迎大家积极投稿~

【投稿邮箱】liujiang@tencent.com

文章来源于腾讯云开发者社区,点击查看原文