百度贴吧爬取 day04

源码:

import urllib
import urllib.request
import urllib.parse
def loadPage(url,filename):
    """
        作用:根据url获取服务器响应地址
    """
    print("正在下载" + filename)
    headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36"}
    request = urllib.request.Request(url,headers = headers)
    return (urllib.request.urlopen(request).read().decode("utf8"))

def writePage(html,filename):
    """
        作用:将html写入到本地
    """
    print("正在保存"+filename)
    #文件写入
    with open(filename,"w",encoding='utf-8') as f:
        f.write(html)
    print("-"*30)
def tiebaSpider(url,beginPage,endPage):
    for page in range(beginPage,endPage):
        pn =(page-1)*50
        filename = "第" + str(page) + "页.html"
        fullurl = url +"&pn=" + str(pn)
        #print(page)
        #print(fullurl)
        html = loadPage(fullurl,filename)
        #print(html)
        writePage(html,filename)
if __name__ == "__main__":
    sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf8')  # 改变标准输出的默认编码
    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("请输入中止页"))
    url="https://tieba.baidu.com/f?"
    key = urllib.parse.urlencode({"kw":kw})
    fullurl = url + key
    tiebaSpider(fullurl,beginPage,endPage+1)

2.结果:

我们打开其中一个html 然后搜索关键字

说明运行成功

 

 

 

 

 

 

 

 

 

 

  • 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