Top 25 Lusitano

De acordo com o Alexa, os sítios portugueses mais populares do Top 100 Lusófono são os seguintes:

nº 06: www.sapo.pt

nº 12: www.iol.pt

nº 13: www.google.pt

nº 16: www.clix.pt

nº 24: www.abola.pt

nº 28: www.terravista.pt

nº 32: www.record.pt

nº 34: www.publico.pt

nº 40: www.ojogo.pt

nº 48: www.e-financas.gov.pt

nº 49: www.millenniumbcp.pt

nº 50: www.telepac.pt

nº 53: www.aeiou.pt

nº 64: www.mytmn.pt

nº 70: www.correiomanha.pt

nº 78: www.xl.pt

nº 79: www.paginasamarelas.pt

nº 81: www.min-edu.pt

nº 84: www.rtp.pt

nº 85: www.co.pt

nº 87: www.oninet.pt

nº 88: www.portugalmail.pt

nº 91: www.mediacapital.pt

nº 94: www.mail.pt

nº 95: www.tvcabo.pt

Uma em cada quatro páginas do top 100 tem a extensão .pt, o que é surpreendente se pensarmos que para cada português existem cerca de 18 brasileiros.

Para extrair esta informação da páginas do Top 100 Lusófono, usei umas poucas linhas de Python. Primeiro usei o módulo urllib2 para ler a página para dentro da string page:

import urllib2
url="http://www.alexa.com/site/ds/top_sites?" \
     + "ts_mode=lang&lang=pt"
page=urllib2.urlopen(url).read()

Em seguida usei o módulo BeautifulSoup do Leonard Richardson para procurar no código HTML da página todas as tags do tipo span e com o atributo class igual a smallG:

from BeautifulSoup import BeautifulSoup as BS
bs=BS()
bs.feed(page)
tags=bs('span', {'class': 'smallG'})
links=[tag.contents[0].string for tag in tags]
pt_links={}
for i in range(len(links)):
    link=links[i]
    if link.endswith('.pt'):
        pt_links[i]=link
import pprint
pprint.pprint(pt_links)

O resultado é este dicionário de 25 domínios .pt:

{6: 'www.sapo.pt',
 12: 'www.iol.pt',
 13: 'www.google.pt',
 16: 'www.clix.pt',
 24: 'www.abola.pt',
 28: 'www.terravista.pt',
 32: 'www.record.pt',
 34: 'www.publico.pt',
 40: 'www.ojogo.pt',
 48: 'www.e-financas.gov.pt',
 49: 'www.millenniumbcp.pt',
 50: 'www.telepac.pt',
 53: 'www.aeiou.pt',
 64: 'www.mytmn.pt',
 70: 'www.correiomanha.pt',
 78: 'www.xl.pt',
 79: 'www.paginasamarelas.pt',
 81: 'www.min-edu.pt',
 84: 'www.rtp.pt',
 85: 'www.co.pt',
 87: 'www.oninet.pt',
 88: 'www.portugalmail.pt',
 91: 'www.mediacapital.pt',
 94: 'www.mail.pt',
 95: 'www.tvcabo.pt'}

Comments

[Rod Senra]

A lista de top 10 está sensível a informação que seu browser passa para o site. Fiz a mesma pesquisa com browser configurado em pt-br e obtive um resultado diferente, com a maioria de domínios brasileiros.
[]s
Senra

[Hero]

http://storiediincesto01.caffeblog.com/ storie di incesto
http://sessoconanimaligratis07.caffeblog.com/ sesso con animali gratis
http://amatoriali70.caffeblog.com/ amatoriali
http://puttanenegre28.caffeblog.com/ puttane negre
http://rosannalambertucci49.caffeblog.com/ rosannalambertucci
http://videonuda46.caffeblog.com/ video nuda
http://maturechescopano11.caffeblog.com/ mature che scopano
http://floraenchantixwinx31.caffeblog.com/ flora enchantix winx
http://sottolagonna82.caffeblog.com/ sotto la gonna
http://giovanitroie44.caffeblog.com/ giovani troie