python3爬取百度貼吧

import urllib
import urllib.request

def loadPage(url,filename):
    """
        作用:根據(jù)url發(fā)送請(qǐng)求=,獲取服務(wù)器響應(yīng)文件
        url:需要爬去的url
        filename:處理得文件名
    """
    print("正在下載" + filename)
    headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36"}
    req = urllib.request.Request(url, headers = headers)
    return urllib.request.urlopen(req).read()

def writePage(html,filename):
    """
        作用:將HTML內(nèi)容寫入到本地
        html:服務(wù)器響應(yīng)得文件內(nèi)容
        
    """
    print("正在保存" + filename)
    #文件寫入
    with open(filename,"wb") as f:
        f.write(html)
    print ("_" * 30)


def tiebaSpider(fullurl,beginPage,endPage):
    """
        作用:貼吧爬蟲調(diào)度器,負(fù)責(zé)處理每個(gè)頁面得url
        url:貼吧url的前部分
        beginPage:起始頁
        endPage:結(jié)束頁
    """
    for page in range(beginPage,endPage + 1):
        pn = (page - 1) * 50
        filename = "第" + str(page) + "頁.html"
        print(filename)
        fullurl = url + "&pn=" + str(pn)

        html = loadPage(fullurl,filename)

        writePage(html,filename)
        print("謝謝使用")

if  __name__ =="__main__":
    kw = input("請(qǐng)輸入需要爬取得吧名:")
    beginPage = int(input("請(qǐng)輸入起始頁:"))
    endPage  = int(input("請(qǐng)輸入結(jié)束頁:"))
    
    url = "http://tieba.baidu.com/f?"
    key = urllib.parse.urlencode({"kw":kw})
    fullurl = url + key 
    tiebaSpider(fullurl, beginPage, endPage)
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

友情鏈接更多精彩內(nèi)容