百度贴吧小爬虫

1. # -*- coding: utf-8 -*- #有这个输入中文才不会乱码
2. import string, urllib2  
3.    
4. #定义百度函数  
5. def baidu_tieba(url,begin_page,end_page):     
6.     for i in range(begin_page, end_page+1):  
7.         sName = string.zfill(i,5) + '.html'#自动填充成六位的文件名，i=1时，用0填充到5位，00001 
8.         print '正在下载第' + str(i) + '个网页，并将其存储为' + sName + '......'  
9.         f = open(sName,'w+')  
10.         m = urllib2.urlopen(url + str(i)).read()  
11.         f.write(m)  
12.         f.close()  
13.    
14.    
15. #-------- 在这里输入参数 ------------------  
16.   
17. # 这个是山东大学的百度贴吧中某一个帖子的地址  
18. #bdurl = 'http://tieba.baidu.com/p/2296017831?pn='  
19. #iPostBegin = 1  
20. #iPostEnd = 10  
21.   
22. bdurl = str(raw_input(u'请输入贴吧的地址，去掉pn=后面的数字：\n'))  
23. begin_page = int(raw_input(u'请输入开始的页数：\n'))  
24. end_page = int(raw_input(u'请输入终点的页数：\n'))  
25. #-------- 在这里输入参数 ------------------  
26.    
27.   
28. #调用  
29. baidu_tieba(bdurl,begin_page,end_page)