1 # -*- coding: utf-8 -*-
2 #---------------------------------------
3 # 程序：百度贴吧爬虫
4 # 版本：0.1
5 # 作者：why
6 # 日期：2013-05-14
7 # 语言：Python 2.7
8 # 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。
9 # 功能：下载对应页码内的所有页面并存储为html文件。
10 #---------------------------------------
11
12 import string, urllib2
13
14 #定义百度函数
15 def baidu_tieba(url,begin_page,end_page):
16 for i in range(begin_page, end_page+1):
17 sName = string.zfill(i,5) + '.html'#自动填充成六位的文件名
18 print '正在下载第' + str(i) + '个网页，并将其存储为' + sName + '......'
19 f = open(sName,'w+')
20 m = urllib2.urlopen(url + str(i)).read()
21 f.write(m)
22 f.close()
23
24
25 #-------- 在这里输入参数 ------------------
26
27 # 这个是山东大学的百度贴吧中某一个帖子的地址
28 #bdurl = 'http://tieba.baidu.com/p/2296017831?pn='
29 #iPostBegin = 1
30 #iPostEnd = 10
31
32 bdurl = str(raw_input(u'请输入贴吧的地址，去掉pn=后面的数字：\n'))
33 begin_page = int(raw_input(u'请输入开始的页数：\n'))
34 end_page = int(raw_input(u'请输入终点的页数：\n'))
35 #-------- 在这里输入参数 ------------------
36
37
38 #调用
39 baidu_tieba(bdurl,begin_page,end_page)
