爬虫【4】爬取百度贴吧并生成静态页面

爬虫【4】爬取百度贴吧并生成静态页面

爬虫回顾:

分析url

通过分析我们可以发现百度贴吧的url中kw表示搜索的名字,pn表示页数0为第一面,50为第二页

fake_useragent包介绍

fake_useragent是一个有很多User-Agent的模块,windows下通过pip3 install fake_useragent -i https://pypi.douban.com/simple --user即可安装

爬虫代码编写

说真的这个代码真的没啥难的,不多说了直接上代码吧

"""
爬
"""
from urllib import request, parse
from fake_useragent import UserAgent
import time, random


class TiebaSpider:
    def __init__(self):
        self.url = 'http://tieba.baidu.com/f?kw={}&pn={}'

    # 获取url
    def get_url(self, kw, pn):
        kw = parse.quote('kw')
        url = self.url.format(kw, pn)
        print(url)
        return url

    # 获取User-Agent
    def get_useragent(self):
        ua = UserAgent()
        return ua.random

    # 保存html页面
    def write_html(self, html, filename):
        with open(filename, 'w', encoding='utf-8') as f:
            f.write(html)

    # 获取html
    def get_html(self, url):
        headers = {'User-Agent': self.get_useragent()}
        req = request.Request(url, headers=headers)
        res = request.urlopen(req)
        html = res.read().decode()
        return html

    # 运行主程序
    def run(self,kw,start,end):
        for i in range(start, end + 1):
            pn = (i - 1) * 50
            url = self.get_url(kw, pn)
            html = self.get_html(url)
            filename = '{}-第{}.html'.format(kw, i)
            self.write_html(html, filename)
            print(filename, ' 完成啦')
            time.sleep(random.randint(1, 3))


if __name__ == '__main__':
    kw = input('请输入贴吧:')
    start = int(input('请输入起始页:'))
    end = int(input('请输入结束页:'))
    tieba = TiebaSpider()
    while True:
        try:
            tieba.run(kw,start,end)
            break
        except Exception as e:
            print(e)
            time.sleep(0.5)

  • 0
    点赞
  • 0
    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