Sublime搭建SEO关键词分析与监测系统_集成排名抓取与竞品对比功能-sublime-PHP中文网

sublime text 无法直接搭建 seo 分析系统，仅可作为编写和运行 python 脚本的编辑器；需配置 build system 调用含 requests/lxml/pandas 的 python 环境，并处理反爬、数据结构化存储及自动化运维等外部依赖。

sublime搭建seo关键词分析与监测系统_集成排名抓取与竞品对比功能

Sublime Text 本身不支持直接搭建 SEO 分析系统

Sublime Text 是纯文本编辑器，没有内置网络请求、HTML 解析、数据存储或定时任务能力。所谓“搭建 SEO 关键词分析系统”，实际是指用 Sublime 作为代码编写和调试的前端界面，背后依赖外部脚本（如 Python）完成核心逻辑。如果你试图在 Sublime 里点几下菜单就跑出关键词排名和竞品对比，会卡在 urllib.error.URLError 或 ModuleNotFoundError: No module named 'bs4' 这类错误上。

真正可行的路径是：用 Sublime 编写并快速运行 Python 脚本，调用 requests 抓取搜索结果页、re 或 lxml 提取排名、pandas 对比竞品域名出现频次——所有这些都必须在系统环境里安装并配置好 Python 解释器。

如何让 Sublime 快速运行 SEO 抓取脚本

Sublime 的 Build System 是关键入口。不能只靠 Ctrl+B 默认 Python 构建，因为默认可能指向系统旧版 Python，或缺少 requests 等包。

确认终端中 python -c "import requests" 不报错；否则先用 pip install requests lxml pandas openpyxl
在 Sublime 中新建 Build System（Tools → Build System → New Build System），粘贴以下内容并保存为 Python3-SEO.sublime-build：

{
    "cmd": ["python", "-u", "$file"],
    "file_regex": "^[ ]*File \"(...*?)\", line ([0-9]*)",
    "selector": "source.python",
    "encoding": "utf-8"
}

注意："cmd" 中的 python 必须是你装了所需包的那个版本，必要时写成绝对路径，比如 "/usr/local/bin/python3" 或 "C:\Python39\python.exe"。

seo-audit

SEO专家代理，提供网站审计、内容写作、关键词研究、技术修复、外链建设和排名策略。

下载

抓取百度/360/搜狗关键词首页排名的常见坑

直接用 requests.get("https://www.baidu.com/s?wd=xxx") 会返回 403 或空结果——搜索引擎反爬机制已生效。不是 User-Agent 换了就能过，重点在请求头与行为模拟。

必须设置 User-Agent 和 Accept，否则百度返回跳转页（含 location: https://www.baidu.com/s?...）
百度 PC 端结果页 DOM 结构不稳定，#content_left 下的 div[class*="result"] 才是自然结果，广告位（id="ads"）、视频栏、小程序卡等需过滤
搜狗对请求频率更敏感，连续请求超过 5 次/分钟大概率触发 HTTP 429；建议加 time.sleep(2)，别用 asyncio 并发
360 搜索结果页含大量 JS 渲染内容，requests 拿不到真实排名，必须换 selenium 或找其 API 接口（如 https://www.so.com/s?q=xxx&src=home 返回的是可解析 HTML）

竞品域名对比需要结构化存储，别硬塞 CSV

每次抓取后若只是把结果 print 出来或写进一个 result.csv，几天后就无法区分哪次是 A 关键词、哪次是 B 竞品、时间戳是否准确。容易导致“数据有，但没法比”。

每次运行脚本时生成唯一标识，例如 f"rank_{int(time.time())}_{keyword.replace(' ', '_')}.json"
JSON 结构建议包含：keyword、engine（baidu/360/sogou）、timestamp、results（列表，每项含 rank、url、domain、title）
对比逻辑放在独立脚本里：读取最近 3 次的 JSON 文件，用 pandas.concat() 合并，按 domain 分组统计进入 TOP10 的次数，再用 diff().fillna(0) 算升降趋势
避免用 Excel 打开大文件——100 个词 × 3 引擎 × 30 天 ≈ 9w 行，CSV 用 pandas.read_csv 更稳，Excel 容易乱码或截断