爬虫的第一天---百度贴吧

###迷迷糊糊的开端~~ 1.爬取百度贴吧的小旅途

from urllib.request import Request,urlopen
from urllib import parse

# 保存页面
def save_page(filename, data):
    print("正在保存:",filename)
    with open(filename, 'wb') as f:
        f.write(data)


 # 下载
 def download_page(full_pn):
    print("正在下载:", full_pn)
    headers = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.62 Safari/537.36"
    }

    request = Request(full_pn, headers=headers)
    res = urlopen(request)
    return res.read() #bytes类型

 #拼接页面函数
 def baidu_spider(url,start_page,end_page):
	for page in range(start_page,end_page + 1):
		print(page)

	pn = (page - 1)*20
	full_url = url + "&pn=" + str(pn)
	print(full_url)
	#请求路径
	html = download_page(full_url)
	filename = "第" +  str(page) + "页.html"
	#保存请求到的数据
	save_page(filename,html)

 #定义个一个main函数
 def main():
	kw = int(input("请输入要爬去的内容:"))
	start_page = int(input("请输入首页:"))
	end_page = int(input("请输入末尾页:"))
    kw = {"kw":kw} #字典
    kw = parse.urlencode(kw) #编码
    url = "https://tieba.baidu.com/f?" + kw + "&ie=utf-8"
    print(url)
	baidu_spider = (url,start_page,end_page)

if __name__ == "__main__":
	main()

原文链接:
[https://mp.csdn.net/mdeditor/80897296](https://mp.csdn.net/mdeditor/80897296)

转载于:https://my.oschina.net/u/3896230/blog/1842546

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值