• urllib:简单的贴吧页面爬取代码


    from urllib import request
    import time
    import urllib
    import urllib.parse
    
    #根据url发送请求,获取服务器响应文件
    def loadPage(url,filename):
        print('正在下载' + filename)
        headers = {
            'User - Agent': 'Mozilla / 5.0(Windows NT 6.1;WOW64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 65.0.3325.181 Safari / 537.36'
        }
        req = urllib.request.Request(url,headers=headers)
        return urllib.request.urlopen(req).read()
    
    #将html内容写入本地
    def writePage(html,filename):
        print('正在保存' + filename)
        with open(filename,'wb') as f:
            f.write(html)
        print('-------------------------------')
    
    
    
    # http://tieba.baidu.com/f?kw=python&fr=ala0&tpl=5    第一页
    # http://tieba.baidu.com/f?kw=python&ie=utf-8&pn=0      按照规律这个和上面的第一页url是一样的
    
    # http://tieba.baidu.com/f?kw=python&ie=utf-8&pn=50     第二页
    
    # http://tieba.baidu.com/f?kw=python&ie=utf-8&pn=100   第三页
    
    # http://tieba.baidu.com/f?kw=python&ie=utf-8&pn=150    第四页
    
    # http://tieba.baidu.com/f?kw=python&ie=utf-8&pn=200    第五页
    
    
    
    #处理每个页面的url
    def tiebaSpider(url,beginPage,endPage):
        for page in range(beginPage,endPage+1):
            pn = (page - 1) * 50
            filename='d:/yemian/第'+str(page) + '页.html'
            fullurl = url + '&pn-' + str(pn)
            html = loadPage(fullurl,filename)
    
            writePage(html,filename)
    
    
    if __name__ == '__main__':
        kw = input('请输入需要爬取页面的贴吧名:')
        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})
        fullurl = url + key
        tiebaSpider(fullurl,beginPage,endPage)
    
    print('谢谢使用')
    time.sleep(10)
    

      

  • 相关阅读:
    jquery ajax参数详解
    压缩解压函数实现
    WCF 大数据量如何从服务端传到客户端
    [DllImport("kernel32.dll")]
    Oracle数据库使用基础和实例
    Js常用的动态效果
    Js使用正则实现表单验证
    Oracle数据库理论知识
    HTML5,CSS3,JavaScript基础知识与使用
    速读《人月神话》
  • 原文地址:https://www.cnblogs.com/wshr210/p/11305159.html
Copyright © 2020-2023  润新知