初级爬虫

以下代码由PHP站长网 52php.cn收集自互联网

现在PHP站长网小编把它分享给大家，仅供参考

# -*- coding: utf-8 -*-

#----------------------------
#    程序：百度贴吧的小爬虫
#    日期：2015/03/28
#    语言：Python 2.7
#    操作：输入带分页的地址，去掉最后面的数字，设置一下起始页数和终点页数
#    功能：下载对应页码的所有页面并储存为HTML文件，以当前时间命名
#----------------------------

import urllib2
import time

def baidu_tieba(url,start,end):
    for i in range(start,end):
        sName = time.strftime('%Y%m%d%H%M%S') + str(i) + '.html'
        print '正在下载第' + str(i) + '个网页，并将其储存为' + sName + '...'
        f = open(sName,'w+')
        m = urllib2.urlopen(url+str(i))
        n = m.read()
        f.write(n)
        f.close()
    print '成功下载'
        
baiduurl = str(raw_input('请输入贴子的地址,去掉pn后面的数字>>n'))
begin_page = int(raw_input('请输入帖子的起始页码>>n'))
end_page = int(raw_input('请输入帖子的终止页码>>n'))                

baidu_tieba(baiduurl,begin_page,end_page)

以上内容由PHP站长网【52php.cn】收集整理供大家参考研究

如果以上内容对您有帮助，欢迎收藏、点赞、推荐、分享。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!