百度贴吧爬虫获取网页

关注

原创最新推荐文章于 2026-06-13 11:13:24 发布 304 阅读 AI 写同款· GEO 优化 ›

网络爬虫之基于XPath爬取百度贴吧图片详细教程（可输入版）基于XPath百度贴吧图片的爬取网络爬虫的爬取的流程爬取步骤详解1、打开浏览器进入需要爬取的页面2、通过插件来获取爬取的信息3、编写代码(1)、发送请求(2)、接收响应(3)、分析页面(4)、得出结果4、结果验证网络爬虫的爬取的流程网络爬虫的步骤可总结为四步走：发送请求→接收响应→分析页面→保存数据爬取步骤详解 1、打开浏览器进入需要爬取的页面 2、通过插件来获取爬取的信息 3、编写代码 ... 阅读详情

"""
  贴吧
"""

import requests
import re
from  urllib import parse
import time
import random


class BaiduSpider:
    def __init__(self):
        self.url = 'http://tieba.baidu.com/f?kw={}&pn={}'
        self.headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/13.0.782.41 Safari/535.1 QQBrowser/6.9.11079.201'}
    def get_html(self,url):
        html = requests.get(url=url,headers=self.headers).content.decode('utf-8')
        return html
    def parse_html(self):
        pass
    def save_html(self,filename,html):
        with open(filename,'w') as f:
            f.write(html)
    def run(self):
        name = input('请输入贴吧名')
        # page = int(input("请输入页码"))
        start = int(input('开始页'))
        end = int(input('结束页'))
        params = parse.quote(name)
        for page in range(start,end+1):
            pn = (page - 1) *50
            url = self.url.format(params,pn)
            html = self.get_html(url)
            filename = '{}第{}页.html'.format(name,page)
            self.save_html(filename,html)
            print('完成')
            time.sleep(random.randint(1,8))


if __name__ == '__main__':
    spider = BaiduSpider()
    spider.run()