简单的百度贴吧爬虫

最近在学爬虫,看了点视频学了点东西,写了一个百度贴吧的爬虫上来

目前只是把爬取网页信息,存储到本地


#-*- coding:utf-8 -*-
# 识别中文注释 

import urllib2

def load_page(url):

	user_agent ="Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11"
	headers = {'User-Agent':user_agent}
	req = urllib2.Request(url,headers = headers)
	response = urllib2.urlopen(req)
	page = response.read()

	return  page

def tieba_spider(url,beginPage,endPage):
	'''
	贴吧小爬虫
	'''
	for i in range(beginPage,endPage+1): 
		myurl = url + str(50*(i-1))
		print "url :" + myurl
		html = load_page(myurl)
		file_name =str(i)+".html"
		writeFile(file_name,html)

def writeFile(file_name,txt):
	f = open(file_name,'w')
	f.write(txt)
	f.close()


if __name__ == "__main__":
	url = raw_input("please input the url :")

	beginPage = int(raw_input("begin : "))
	endPage = int(raw_input("end : "))

	tieba_spider(url,beginPage,endPage)

过几天有时间再学点正则表达式加进去

url:http://tieba.baidu.com/f?kw=lol&ie=utf-8&pn=

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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