Python编写百度贴吧的简单爬虫
更新时间：2015年04月02日 09:31:23 投稿：hebedich
这篇文章主要介绍了Python编写百度贴吧的简单爬虫，简单实现了下载对应页码的页面并存为以当前时间命名的html文件，这里分享给大家，抛砖引玉。
操作：输入带分页的地址，去掉最后面的数字，设置一下起始页数和终点页数
功能：下载对应页码的所有页面并储存为HTML文件，以当前时间命名
代码：
# -*- coding: utf-8 -*-
#----------------------------
# 程序：百度贴吧的小爬虫
# 日期：2015/03/28
# 语言：Python 2.7
# 操作：输入带分页的地址，去掉最后面的数字，设置一下起始页数和终点页数
# 功能：下载对应页码的所有页面并储存为HTML文件，以当前时间命名
#----------------------------
import urllib2
import time
def baidu_tieba(url, start, end):
for i in range(start, end):
sName = time.strftime('%Y%m%d%H%M%S') + str(i) + '.html'
print '正在下载第' + str(i) + '个网页，并将其储存为' + sName + '...'
f = open(sName, 'w+')
m = urllib2.urlopen(url+str(i))
n = m.read()
f.write(n)
f.close()
print '成功下载'
baiduurl = str(raw_input('请输入贴子的地址,去掉pn后面的数字>>\n'))
begin_page = int(raw_input('请输入帖子的起始页码>>\n'))
end_page = int(raw_input('请输入帖子的终止页码>>\n'))
baidu_tieba(baiduurl, begin_page, end_page)
以上所述就是本文的全部内容了，希望能够对大家学习Python制作爬虫有所帮助。
相关文章
这篇文章主要为大家详细介绍了Python实现识别手写数字，Python图片的读入与处理，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-01-01
在本篇文章里小编给大家分享了关于Python3爬虫里关于识别微博宫格验证码的知识点，有兴趣的朋友们可以参考下。2020-07-07
这篇文章主要为大家介绍了Python中的模式匹配库Pampy使用实例解析,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2024-01-01
今天小编就为大家分享一篇对python指数、幂数拟合curve_fit详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12
大语言模型的开发利器langchainan安装使用快速入门学习
这篇文章主要为大家介绍了大语言模型的开发利器langchain安装使用快速入门学习，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-07-07
全面了解Python的getattr(),setattr(),delattr(),hasattr()
下面小编就为大家带来一篇全面了解Python的getattr(),setattr(),delattr(),hasattr()。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2016-06-06
最近写了Python函数的功能，犯了一些错误。所以本文主要和大家一起梳理下Python函数的传参机制，感兴趣的小伙伴可以跟随小编一起学习一下2022-07-07
本文介绍了三种在Python中返回数组索引的方法,主要包括index()方法,enumerate()方法及使用numpy库的argwhere()函数,具有一定的参考价值,感兴趣的可以了解一下2024-01-01
本文会介绍如何将语句组织成函数，还会详细介绍参数和作用域的概念，以及递归的概念及其在程序中的用途。2013-11-11
这篇文章主要介绍了pygame学习笔记（1）：矩形、圆型画图实例,本文讲解了pygame窗口、窗口退出、pygame中的颜色、圆形、矩形及一个完整实例,需要的朋友可以参考下2015-04-04
最新评论