urllib2的get方法小案例（贴吧）

最新推荐文章于 2023-08-03 06:00:00 发布

原创最新推荐文章于 2023-08-03 06:00:00 发布 · 131 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

python 同时被 2 个专栏收录

59 篇文章

订阅专栏

爬虫

27 篇文章

订阅专栏

本文介绍了一个使用Python实现的贴吧爬虫实例，通过urllib和urllib2库发送HTTP请求，获取并保存指定贴吧的页面内容。从输入贴吧名称、起始页和结束页开始，爬虫能够自动抓取相应范围内的所有帖子。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import urllib
import urllib2


def loadPage(url, filename):
    """
        作用：根据url发送请求，获取服务器响应文件
        url: 需要爬取的url地址
        filename : 处理的文件名
    """
    print "正在下载 " + filename
    headers = {
        "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11"}

    request = urllib2.Request(url, headers=headers)
    return urllib2.urlopen(request).read()


def writePage(html, filename):
    """
        作用：将html内容写入到本地
        html：服务器相应文件内容
    """
    print "正在保存 " + filename
    # 文件写入
    with open(filename.decode("utf-8"), "w+") as f:
        f.write(html)
    print "-" * 30


def tiebaSpider(url, beginPage, endPage):
    """
        作用：贴吧爬虫调度器，负责组合处理每个页面的url
        url : 贴吧url的前部分
        beginPage : 起始页
        endPage : 结束页
    """
    for page in range(beginPage, endPage + 1):
        pn = (page - 1) * 50
        filename = "第" + str(page) + "页.html"
        fullurl = url + "&pn=" + str(pn)
        # print fullurl
        html = loadPage(fullurl, filename)
        # print html
        writePage(html, filename)
        print "谢谢使用"


if __name__ == "__main__":
    kw = raw_input("请输入需要爬取的贴吧名:")
    beginPage = int(raw_input("请输入起始页："))
    endPage = int(raw_input("请输入结束页："))

    url = "http://tieba.baidu.com/f?"
    key = urllib.urlencode({"kw": kw})
    fullurl = url + key
    tiebaSpider(fullurl, beginPage, endPage)