如何使用Python来生成sitemap

当前位置:

首页 > Python基础教程 >

如何使用Python来生成sitemap

在做网站项目时，经常会使用脚本生成sitemap，便于爬虫爬取，有利于SEO。那么如何使用Python来生成sitemap呢？下面我们来研究一番。

安装lxml

首先需要pip install lxml安装lxml库。

如果你在ubuntu上遇到了以下错误:

#include "libxml/xmlversion.h"

compilation terminated.

error: command 'x86_64-linux-gnu-gcc' failed with exit status 1

----------------------------------------

Cleaning up...

 Removing temporary dir /tmp/pip_build_root...

Command /usr/bin/python -c "import setuptools, tokenize;__file__='/tmp/pip_build_root/lxml/setup.py';exec(compile(getattr(tokenize, 'open', open)(__file__).read().replace('\r\n', '\n'), __file__, 'exec'))" install --record /tmp/pip-O4cIn6-record/install-record.txt --single-version-externally-managed --compile failed with error code 1 in /tmp/pip_build_root/lxml

Exception information:

Traceback (most recent call last):

 File "/usr/lib/python2.7/dist-packages/pip/basecommand.py", line 122, in main

  status = self.run(options, args)

 File "/usr/lib/python2.7/dist-packages/pip/commands/install.py", line 283, in run

  requirement_set.install(install_options, global_options, root=options.root_path)

 File "/usr/lib/python2.7/dist-packages/pip/req.py", line 1435, in install

  requirement.install(install_options, global_options, *args, **kwargs)

 File "/usr/lib/python2.7/dist-packages/pip/req.py", line 706, in install

  cwd=self.source_dir, filter_stdout=self._filter_install, show_stdout=False)

 File "/usr/lib/python2.7/dist-packages/pip/util.py", line 697, in call_subprocess

  % (command_desc, proc.returncode, cwd))

InstallationError: Command /usr/bin/python -c "import setuptools, tokenize;__file__='/tmp/pip_build_root/lxml/setup.py';exec(compile(getattr(tokenize, 'open', open)(__file__).read().replace('\r\n', '\n'), __file__, 'exec'))" install --record /tmp/pip-O4cIn6-record/install-record.txt --single-version-externally-managed --compile failed with error code 1 in /tmp/pip_build_root/lxml

请安装以下依赖：

1	`sudo` `apt-get` `install` `libxml2-dev libxslt1-dev`

Python代码

下面是生成sitemap和sitemapindex索引的代码，可以按照需求传入需要的参数，或者增加字段：

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import io

import re

from lxml import etree

def generate_xml(filename, url_list):

  """Generate a new xml file use url_list"""

  root = etree.Element('urlset',

             xmlns="http://www.sitemaps.org/schemas/sitemap/0.9")

  for each in url_list:

    url = etree.Element('url')

    loc = etree.Element('loc')

    loc.text = each

    url.append(loc)

    root.append(url)

  header = u'<?xml version="1.0" encoding="UTF-8"?>\n'

  s = etree.tostring(root, encoding='utf-8', pretty_print=True)

  with io.open(filename, 'w', encoding='utf-8') as f:

    f.write(unicode(header+s))

def update_xml(filename, url_list):

  """Add new url_list to origin xml file."""

  f = open(filename, 'r')

  lines = [i.strip() for i in f.readlines()]

  f.close()

  old_url_list = []

  for each_line in lines:

    d = re.findall('<loc>(http:\/\/.+)<\/loc>', each_line)

    old_url_list += d

  url_list += old_url_list

  generate_xml(filename, url_list)

def generatr_xml_index(filename, sitemap_list, lastmod_list):

  """Generate sitemap index xml file."""

  root = etree.Element('sitemapindex',

             xmlns="http://www.sitemaps.org/schemas/sitemap/0.9")

  for each_sitemap, each_lastmod in zip(sitemap_list, lastmod_list):

    sitemap = etree.Element('sitemap')

    loc = etree.Element('loc')

    loc.text = each_sitemap

    lastmod = etree.Element('lastmod')

    lastmod.text = each_lastmod

    sitemap.append(loc)

    sitemap.append(lastmod)

    root.append(sitemap)

  header = u'<?xml version="1.0" encoding="UTF-8"?>\n'

  s = etree.tostring(root, encoding='utf-8', pretty_print=True)

  with io.open(filename, 'w', encoding='utf-8') as f:

    f.write(unicode(header+s))

if __name__ == '__main__':

  urls = ['http://www.baidu.com'] * 10

  mods = ['2004-10-01T18:23:17+00:00'] * 10

  generatr_xml_index('index.xml', urls, mods)

栏目列表