百度贴吧爬虫

import urllib

def loadPage(url,filename):
    """"
    作用:根据url发送请求,获取服务器响应文件
    url:需要爬取的url地址
    filename:处理的文件名
    """
    print("正在下载"+filename)
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36"
    }
    request = urllib.request.Request(url,headers = headers) #py3与py2不同
    return urllib.request.urlopen(request).read()




def writePage(html, filename):
    """

    作用:将html内容写入到本地
    html:服务器相应的文件内容
    """
    print("正在保存"+filename)
    with open(filename,"wb") as f: #这里读取二进制数据,故用wb
        f.write(html)

def tiebaSpider(url, beginPage, endPage):
    """
    作用:贴吧爬虫调度器,负责组合处理每个页面的url
    url:贴吧url的前部分
    beginPage:起始页
    endPage:结束页
    """
    for page in range(beginPage,endPage+1):
        pn = (page-1)*50
        filename = "第"+str(page)+"页.html"
        fullurl = url +"&pn" +str(pn)
        html = loadPage(fullurl, filename)
        writePage(html,filename)
        #print(html)
        #print (fullurl)





if __name__ =="__main__":
    kw = input("请输入需要爬取的贴吧名:")
    beginPage = int(input("请输入起始页:"))
    endPage = int(input("请输入结束页:"))

    url = "http://tieba.baidu.com/f?"
    key = urllib.parse.urlencode({"kw":kw})#py3与py2不同
    fullurl = url +key
    tiebaSpider(fullurl, beginPage, endPage)
    
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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