Python爬虫-百度贴吧
Posted 我只想做一个平静的上班族
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python爬虫-百度贴吧相关的知识,希望对你有一定的参考价值。
百度贴吧爬虫实现
GET请求
from urllib import request import urllib import time # https://tieba.baidu.com/f?kw=python&fr=ala0&tpl=5 #第一页 # https://tieba.baidu.com/f?kw=python&ie=utf-8&pn=50 #第二页 (2-1)*50 # https://tieba.baidu.com/f?kw=python&ie=utf-8&pn=100 #第三页 (3-1)*50 # https://tieba.baidu.com/f?kw=python&ie=utf-8&pn=150 #第四页 (4-1)*50 # 第n页 (n-1)*50 # 推测第一页:https://tieba.baidu.com/f?kw=python&ie=utf-8&pn=0 headers={ "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.122 Safari/537.36" } #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) req=request.Request(url,headers=headers) return request.urlopen(req).read() #将HTML内容写到本地 def writePage(html,filename): print("正在保存"+filename) with open(filename,"wb") as f: f.write(html) print("---------------------------") def tiebaSpider(url,begin,end): for page in range(begin,end+1): pn=(page-1)*50 fullurl=url+"&pn="+str(pn) #每次请求的url filename="D:/贴吧/第"+str(page)+"页.html" #每次请求后保存的文件名 html=loadPage(fullurl,filename) #调用爬虫,爬取网页信息 writePage(html,filename) #写入本地 if __name__==‘__main__‘: while(True): kw=input("请输入字条:") begin=int(input("请输入起始页:")) end=int(input("请输入结束页:")) url="http://tieba.baidu.com/f?" key=urllib.parse.urlencode({"kw":kw}) url=url+key tiebaSpider(url,begin,end)
以上是关于Python爬虫-百度贴吧的主要内容,如果未能解决你的问题,请参考以下文章