零基础写python爬虫之抓取百度贴吧代码分享

739次阅读  |  发布于5年以前

这里就不给大家废话了,直接上代码,代码的解释都在注释里面,看不懂的也别来问我,好好学学基础知识去!

复制代码 代码如下:

-- coding: utf-8 --

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

程序:百度贴吧爬虫

版本:0.1

作者:why

日期:2013-05-14

语言:Python 2.7

操作:输入带分页的地址,去掉最后面的数字,设置一下起始页数和终点页数。

功能:下载对应页码内的所有页面并存储为html文件。

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

import string, urllib2

定义百度函数

def baidu_tieba(url,begin_page,end_page):
for i in range(begin_page, end_page+1):
sName = string.zfill(i,5) + '.html'#自动填充成六位的文件名
print '正在下载第' + str(i) + '个网页,并将其存储为' + sName + '......'
f = open(sName,'w+')
m = urllib2.urlopen(url + str(i)).read()
f.write(m)
f.close()

-------- 在这里输入参数 ------------------

这个是山东大学的百度贴吧中某一个帖子的地址

bdurl = 'http://tieba.baidu.com/p/2296017831?pn='

iPostBegin = 1

iPostEnd = 10

bdurl = str(raw_input(u'请输入贴吧的地址,去掉pn=后面的数字:\n'))
begin_page = int(raw_input(u'请输入开始的页数:\n'))
end_page = int(raw_input(u'请输入终点的页数:\n'))

-------- 在这里输入参数 ------------------

调用

baidu_tieba(bdurl,begin_page,end_page)

Copyright© 2013-2020

All Rights Reserved 京ICP备2023019179号-8