怎么添加百度指数（如何用Python下载百度指数的数据）

导读：今天给大家演示如何使用python直接采集百度指数的数据。　　百度指数(Baidu Index) 是以百度海量网民行为数据为基础的数据分析平台，它能够能够告诉用户：某个关键

　　今天给大家演示如何使用python直接采集百度指数的数据。

　　百度指数(Baidu Index) 是以百度海量网民行为数据为基础的数据分析平台，它能够能够告诉用户：某个关键词在百度的搜索规模有多大，一段时间内的涨跌态势以及相关的新闻舆论变化，关注这些词的网民是什么样的，分布在哪里，同时还搜了哪些相关的词。

　　百分十先生分享过如何使用uiautomation采集百度指数：百度指数 如何批量获取？

　　不过个人感觉这方法好像有点杀鸡用牛刀，对于网页使用selenium完全足以，当然对于专门针对selenium进行反爬检测的网页就需要特殊修改。

　　本文不演示如何使用UI自动化工具采集百度指数，为了采集更简单将直接读取并解析接口。

　　关于uiautomation，PC端的UI自动化可以查看教程：

https://blog.csdn.net/as604049322/article/details/121391639

　　打开百度指数发现查看指数必须要先登录，比如我们对比一个python和Java最近一周的指数：

　　当鼠标移动到每天的坐标上时会显示当天的数据，例如：

　　如果我们采用UI自动化的方式，至少得模拟移动到每天的坐标。

　　打开开发者工具，重新查询发现获取数据的接口：

　　实际的指数数据就存储在这个data字段中，但是以某种加密方式加密了。

　　然后注意第二个接口的某个参数与当前接口返回的数据某个值一致。

　　此时我全局搜索decrypt，找到了加密函数：

　　此时打上断点重新搜索，可以看到传入该函数的t参数与ptbk接口返回的值一致：

　　说明我们只需要将这段js翻译为python来解密加密数据即可。

　　下面我们总结一下指数数据获取的思路：

　　通过index接口获取uniqid和加密后的指数数据userIndexes

　　通过ptbk接口传入uniqid获取密钥key

　　通过解密函数根据密钥key解密userIndexes

　　下面我们分别用代码来实现，首先获取指数数据：

import requestsimport jsonheaders = { "Connection": "keep-alive", "Accept": "application/json, text/plain, */*", "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36", "Sec-Fetch-Site": "same-origin", "Sec-Fetch-Mode": "cors", "Sec-Fetch-Dest": "empty", "Referer": "https://index.baidu.com/v2/main/index.html", "Accept-Language": "zh-CN,zh;q=0.9", 'Cookie': cookie,}words = '[[{"name":"python","wordType":1}],[{"name":"java","wordType":1}]]'start = '2021-11-15'end = '2021-11-21'url = f'http://index.baidu.com/api/SearchApi/index?area=0&word={words}&area=0&startDate={start}&endDate={end}'res = requests.get(url, headers=headers)data = res.json['data']data

　　cookie需要在登录后复制粘贴获取，就是请求中的这段字符串（直接复制粘贴即可）：

　　结果：

{'userIndexes': [{'word': [{'name': 'python', 'wordType': 1}], 'all': {'startDate': '2021-11-15', 'endDate': '2021-11-21', 'data': 'WQ3Q-nWQ.yGnWQ.y3nW3yQsnWW.Q-nysXV3ny.-VG'}, 'pc': {'startDate': '2021-11-15', 'endDate': '2021-11-21', 'data': 'y3yVXny3yWyny3GWWny3QyVnyQG33nXGsQn-..G'}, 'wise': {'startDate': '2021-11-15', 'endDate': '2021-11-21', 'data': 'XWVXnXQ-XnX3XWnX-WynX3X3n--XynsQyG'}, 'type': 'day'}, {'word': [{'name': 'java', 'wordType': 1}], 'all': {'startDate': '2021-11-15', 'endDate': '2021-11-21', 'data': '-XW.n-ssXnXG3GnXG..nXyyGnVQyWn.QQQ'}, 'pc': {'startDate': '2021-11-15', 'endDate': '2021-11-21', 'data': '.VVVn.3Xsn.XX3n.-VWn.sW3nQG-snWVWQ'}, 'wise': {'startDate': '2021-11-15', 'endDate': '2021-11-21', 'data': 'QW.XnQW-WnQG3VnQyXQnQQ-VnQWW.nWsyG'}, 'type': 'day'}], 'generalRatio': [{'word': [{'name': 'python', 'wordType': 1}], 'all': {'avg': 21565, 'yoy': -24, 'qoq': 7}, 'pc': {'avg': 12470, 'yoy': -32, 'qoq': 3}, 'wise': {'avg': 9095, 'yoy': -10, 'qoq': 12}}, {'word': [{'name': 'java', 'wordType': 1}], 'all': {'avg': 8079, 'yoy': -23, 'qoq': 11}, 'pc': {'avg': 4921, 'yoy': -33, 'qoq': 6}, 'wise': {'avg': 3157, 'yoy': '-', 'qoq': 18}}], 'uniqid': '5f0a123915325e28d9f055409955c9ad'}

　　这些数据中，wise表示移动端，all表示pc端+移动端。userIndexes是指数详情数据，generalRatio是概览数据。

　　下面我们只关心各个关键字的整体表现。

　　下面我们获取uniqid并获取ptbk：

uniqid = data['uniqid']res = requests.get( f'http://index.baidu.com/Interface/ptbk?uniqid={uniqid}', headers=headers)ptbk = res.json['data']ptbk

'LV.7yF-s30WXGQn.65+1-874%2903,'

　　下面我将下面这段Js代码翻译为python：

decrypt: function(t, e) { if (t) { for (var n = t.split(""), i = e.split(""), a = {}, r = , o = 0; o < n.length / 2; o++) a[n[o]] = n[n.length / 2 + o]; for (var s = 0; s < e.length; s++) r.push(a[i[s]]); return r.join("") }}

　　python代码：

def decrypt(ptbk, index_data): n = len(ptbk)//2 a = dict(zip(ptbk[:n], ptbk[n:])) return "".join([a[s] for s in index_data])

　　然后我们遍历每个关键字解密出对应的指数数据：

for userIndexe in data['userIndexes']: name = userIndexe['word'][0]['name'] index_data = userIndexe['all']['data'] r = decrypt(ptbk, index_data) print(name, r)

python 23438,23510,23514,24137,22538,17964,15860java 8925,8779,9040,9055,9110,6312,5333

　　检查实际网页中的数据发现确实一致：

　　那么我们就可以轻松获取任意指定关键字的指数数据。下面我将其整体封装一下，完整代码为：

import requestsimport jsonfrom datetime import date, timedeltaheaders = { "Connection": "keep-alive", "Accept": "application/json, text/plain, */*", "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36", "Sec-Fetch-Site": "same-origin", "Sec-Fetch-Mode": "cors", "Sec-Fetch-Dest": "empty", "Referer": "https://index.baidu.com/v2/main/index.html", "Accept-Language": "zh-CN,zh;q=0.9", 'Cookie': cookie,}def decrypt(ptbk, index_data): n = len(ptbk)//2 a = dict(zip(ptbk[:n], ptbk[n:])) return "".join([a[s] for s in index_data])def get_index_data(keys, start=None, end=None): words = [[{"name": key, "wordType": 1}] for key in keys] words = str(words).replace(" ", "").replace("'", "\"") today = date.today if start is None: start = str(today-timedelta(days=8)) if end is None: end = str(today-timedelta(days=2)) url = f'http://index.baidu.com/api/SearchApi/index?area=0&word={words}&area=0&startDate={start}&endDate={end}' print(words, start, end) res = requests.get(url, headers=headers) data = res.json['data'] uniqid = data['uniqid'] url = f'http://index.baidu.com/Interface/ptbk?uniqid={uniqid}' res = requests.get(url, headers=headers) ptbk = res.json['data'] result = {} result["startDate"] = start result["endDate"] = end for userIndexe in data['userIndexes']: name = userIndexe['word'][0]['name'] tmp = {} index_all = userIndexe['all']['data'] index_all_data = [int(e) for e in decrypt(ptbk, index_all).split(",")] tmp["all"] = index_all_data index_pc = userIndexe['pc']['data'] index_pc_data = [int(e) for e in decrypt(ptbk, index_pc).split(",")] tmp["pc"] = index_pc_data index_wise = userIndexe['wise']['data'] index_wise_data = [int(e) for e in decrypt(ptbk, index_wise).split(",")] tmp["wise"] = index_wise_data result[name] = tmp return result

　　测试一下：

get_index_data(["python", "java"])

{'startDate': '2021-11-15', 'endDate': '2021-11-21', 'python': {'all': [23438, 23510, 23514, 24137, 22538, 17964, 15860], 'pc': [14169, 14121, 14022, 14316, 13044, 9073, 8550], 'wise': [9269, 9389, 9492, 9821, 9494, 8891, 7310]}, 'java': {'all': [8925, 8779, 9040, 9055, 9110, 6312, 5333], 'pc': [5666, 5497, 5994, 5862, 5724, 3087, 2623], 'wise': [3259, 3282, 3046, 3193, 3386, 3225, 2710]}}

　　结果非常不错。

　　这篇文章出自小小明的博客，原文链接：

https://blog.csdn.net/as604049322/article/details/121490054