[Python]网络爬虫（六）：一个简单的百度贴吧的小爬虫

[python] view
plaincopy

# -*- coding: utf-8 -*-  

#---------------------------------------  

#   程序：百度贴吧爬虫  

#   版本：0.1  

#   作者：why  

#   日期：2013-05-14  

#   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：下载对应页码内的所有页面并存储为html文件。  

#---------------------------------------  

   

import string, urllib2  

   

#定义百度函数  

def baidu_tieba(url,begin_page,end_page):     

    for i in range(begin_page, end_page+1):  

        sName = string.zfill(i,5) + '.html'#自动填充成六位的文件名  

        print '正在下载第' + str(i) + '个网页，并将其存储为' + sName + '......'  

        f = open(sName,'w+')  

        m = urllib2.urlopen(url + str(i)).read()  

        f.write(m)  

        f.close()  

   

   

#-------- 在这里输入参数 ------------------  

  

# 这个是山东大学的百度贴吧中某一个帖子的地址  

#bdurl = 'http://tieba.baidu.com/p/2296017831?pn='  

#iPostBegin = 1  

#iPostEnd = 10  

  

bdurl = str(raw_input(u'请输入贴吧的地址，去掉pn=后面的数字：\n'))  

begin_page = int(raw_input(u'请输入开始的页数：\n'))  

end_page = int(raw_input(u'请输入终点的页数：\n'))  

#-------- 在这里输入参数 ------------------  

   

  

#调用  

baidu_tieba(bdurl,begin_page,end_page)