python爬虫访问百度贴吧案例

写入文件

filename = ‘第’+str(i) + ‘页.html’

with open(filename, ‘w’, encoding=‘utf-8’) as f:

f.write(html)

print(f’正在爬取第{i}页’)

函数写法

==========================================================================

import urllib.request

import urllib.parse

分析功能：读取页面，写入文件，主函数

def readPage(url):

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36’

}

发请求

req = urllib.request.Request(url, headers=headers)

res = urllib.request.urlopen(req) # 发起请求，获得响应

print(res.getcode()) # 得到响应码，200表示请求成功

html = res.read().decode(‘utf-8’)

return html

def writePage(filename, html):

with open(filename, ‘w’, encoding=‘utf-8’) as f:

f.write(html)

def main():

name = input(“请输入贴吧名称”)

起始页

begin = int(input(“请输入开始页”))

end = int(input(“请输入结束页”))

中文网址有问题，需要对name进行处理

kw = {‘kw’: name}

result = urllib.parse.urlencode(kw)

拼接url

for i in range(begin, end + 1): # 整数序列，range范围是左闭右开

pn = (i - 1) * 50

print(pn)

base_url = ‘https://tieba.baidu.com/f?’

url = base_url + result + ‘&pn=’ + str(pn)

调用函数

html = readPage(url)

filename = ‘第’+str(i) + ‘页.html’

writePage(filename, html)

if name == ‘main’: # 程序主入口

main()

面向对象写法

============================================================================

import urllib.request

import urllib.parse

class BaiduSpider(object):

def init(self):

self.headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36’

}

self.base_url = ‘https://tieba.baidu.com/f?’

def readPage(self, url):

发请求

req = urllib.request.Request(url, headers=self.headers)

res = urllib.request.urlopen(req) # 发起请求，获得响应

print(res.getcode()) # 得到响应码，200表示请求成功

html = res.read().decode(‘utf-8’)

return html

def writePage(self, filename, html):

with open(filename, ‘w’, encoding=‘utf-8’) as f:

f.write(html)

def main(self):

name = input(“请输入贴吧名称”)

起始页

begin = int(input(“请输入开始页”))

end = int(input(“请输入结束页”))

中文网址有问题，需要对name进行处理

kw = {‘kw’: name}

result = urllib.parse.urlencode(kw)

拼接url

for i in range(begin, end + 1): # 整数序列，range范围是左闭右开

pn = (i - 1) * 50

print(pn)

url = self.base_url + result + ‘&pn=’ + str(pn)

调用函数

html = self.readPage(url)

filename = ‘第’ + str(i) + ‘页.html’

self.writePage(filename, html)

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

66129f47b8a67243c1008edf79.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）