爬贴吧

Posted 在这里, 意淫和实干都值得尊重

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬贴吧相关的知识,希望对你有一定的参考价值。

 

python3 抓取贴吧页面

技术分享图片
 1 from urllib import request, parse
 2 import sys
 3 
 4 
 5 def loadPage(url, filename):
 6     """
 7     作用: 根据url发送请求, 获取服务器相应文件
 8     url: 需要爬取的url地址
 9     """
10     print("正在下载" + filename)
11     headers = {
12         "User-Agent": "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (Khtml, like Gecko) Version/5.1 Safari/534.50"
13     }
14     req = request.Request(url, headers=headers)
15     # 获得系统的编码
16     type = sys.getfilesystemencoding()
17     # 设置爬出内容的编码
18     print(type)
19     # ************************************************
20     html = request.urlopen(req).read().decode(type)
21     # ************************************************
22     print(html)
23     return html
24 
25 
26 def writePage(html, filename):
27     """
28     作用: 将html内容写入到本地
29     html: 服务器相应文件内容
30     """
31     print("正在保存" + filename)
32     # ***********************************************
33     with open(filename, "w", encoding="utf-8") as f:
34         # ***********************************************
35         f.write(html)
36     print("*" * 30)
37 
38 
39 def tiebaSpider(url, bingenPage, endPage):
40     """
41     作用: 爬虫爬虫调度器, 负责组合处理每一个页面的url
42     url: 贴吧url的前部分,
43     beginPage: 起始页
44     endPage: 终止页
45     """
46     for page in range(beginPage, endPage + 1):
47         pn = (page - 1) * 50
48         filename = "" + str(page) + "页.html"
49         fullurl = url + "&pn=" + str(pn)
50         print(fullurl)
51         html = loadPage(fullurl, filename)
52         writePage(html, filename)
53 
54 
55 if __name__ == "__main__":
56     kw = input("请输入需要爬取的贴吧名:")
57     beginPage = int(input("请输入起始页编号"))
58     endPage = int(input("请输入结束页编号:"))
59     url = "http://tieba.baidu.com/f?"
60     key = parse.urlencode({"kw": kw})
61     fullurl = url + key
62     tiebaSpider(fullurl, beginPage, endPage)
View Code

 

以上是关于爬贴吧的主要内容,如果未能解决你的问题,请参考以下文章

Python爬虫实战之如何爬取百度贴吧帖子?案例详解

Python爬虫实战之如何爬取百度贴吧帖子?案例详解

实例练习:正则表达式爬取百度贴吧照片

python 爬百度贴吧

爬贴吧

python爬贴吧修改版本