TiebaSpider04

最新推荐文章于 2020-11-29 17:34:49 发布

原创最新推荐文章于 2020-11-29 17:34:49 发布 · 247 阅读

0 ·

CC 4.0 BY-SA版权

Python 专栏收录该内容

5 篇文章

订阅专栏

本文介绍了一个使用Python编写的贴吧爬虫实例，通过定义一个TiebaSpider类来抓取百度贴吧的数据。爬虫构造了URL列表，每个URL对应贴吧的一个页面，通过发送HTTP请求获取页面内容，并将内容保存为本地HTML文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import requests


class TiebaSpider:
    def __init__(self,tieba_name):
        self.tieba_name = tieba_name
        self.url_temp = "https://tieba.baidu.com/f?kw=" + tieba_name + "&ie=utf-8&pn={}"
        self.headers = {"User-Agent":"Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1"}

    def get_url_list(self): #1.构造url列表
        return [self.url_temp.format(i*50) for i in range(1000)]

    def parse_url(self,url): # 发送请求,获取响应
        print(url)
        response = requests.get(url,headers=self.headers)
        return response.content.decode()

    def save_html_str(self,html_str,page_num): #保存
        file_path = "{}--第{}页.html".format(self.tieba_name,page_num)
        with open(file_path,"w",encoding="utf-8") as f:
            f.write(html_str)
        print("保存成功")

    def run(self): #实现主要逻辑
        #1.构造url列表
        url_list = self.get_url_list()
        #2.发送请求,获取响应
        for url in url_list:
            html_str = self.parse_url(url)
            #3.保存
            page_num = url_list.index(url) + 1
            self.save_html_str(html_str,page_num)

if __name__ == '__main__':
    tieba_spider = TiebaSpider("李毅")
    tieba_spider.run()