简单爬虫爬取百度贴吧

import urllib.request
import urllib.parse
import os

import ssl
ssl._create_default_https_context = ssl._create_unverified_context


#定义生成request对象方法
def request_handle(base_url,bar_name,page):
    #构造参数
    pn = (page-1)*50
    data = {
        'kw':bar_name,
        'pn':pn
    }
    data = urllib.parse.urlencode(data)
    #根据参数,生成对应的url
    url = base_url+data
    #构造headers
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36'
    }
    request = urllib.request.Request(url=url)
    #返回request对象
    return request

#定义下载方法
def download(request,page,bar_name):
    response = urllib.request.urlopen(request)
    if not os.path.exists(bar_name):
        os.mkdir(os.path.join(os.getcwd(),bar_name))
    filename = '第'+str(page)+'页.html'
    filepath = os.path.join(bar_name,filename)
    with open(filepath,'wb') as f1:
        f1.write(response.read())

#主函数
def main():
    bar_name = input('请输入您想爬取的吧名:')
    start_page = int(input('请输入您想爬取的起始页码:'))
    end_page = int(input('请输入您想爬取的结束页面:'))
    base_url = 'http://tieba.baidu.com/f?ie=utf-8&'

    #遍历需要爬取的页码,依次开始爬取内容
    for page in range(start_page,end_page+1):

        #构造reuest请求
        request = request_handle(base_url,bar_name,page)

        # 执行爬取函数,开始爬取
        print('开始下载第:' + str(page) + '页')
        download(request,page,bar_name)
        print('结束下载第:' + str(page) + '页')
  • 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