Python爬虫(3),Python3.x
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib.request;
#中文注释
def load_page(url):
'''
发送URL请求
'''
user_agent="Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;";
headers = {'User-Agent':user_agent};
req = urllib.request.Request(url,headers=headers);
response = urllib.request.urlopen(req);
html =str(response.read(),'utf-8')
#html = response.read(); 这代码出现一种byte字节 详见 http://www.zhihu.com/question/27062410
print('loading...baidu');
return html;
def write_to_file(file_name,txt):
'''
讲txt文本存入到file_name文件中
'''
print("正在存储文件"+str(file_name));
#1 打开文件
#w 如果没有这个文件将创建这个文件
f = open(file_name,'w',encoding='utf-8');
#2 读写文件
f.write(str(txt));
#3 关闭文件
f.close();
def tieba_spider(url,begin_page,end_page):
'''
贴吧爬虫定义的方法
'''
for i in range(int(begin_page) ,int(end_page)+1):
pn = 50 * (i - 1 );
#组成地址
my_url = url + str(pn);
print("请求的地址"+str(my_url));
html = load_page(my_url);
print("=========第 %d 页=========" %(i));
#print(html);
print("=================");
file_name = str(i) +".html";
write_to_file(file_name,html);
#main
if __name__=="__main__":
url = input("请输入url地址");
print(url);
begin_page = input("请输入起始页码");
end_page = input("请输入终止页码");
#print(begin_page);
#print(end_page);
tieba_spider(url,begin_page,end_page);
以地址lol贴吧为例:
url地址
http://tieba.baidu.com/f?kw=lol&ie=utf-8&pn=0
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· go语言实现终端里的倒计时
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型,支持深度思考和联网搜索!
· 基于 Docker 搭建 FRP 内网穿透开源项目(很简单哒)
· ollama系列01:轻松3步本地部署deepseek,普通电脑可用
· 25岁的心里话
· 按钮权限的设计及实现