零基础写python爬虫之抓取百度贴吧代码分享

# -*- 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)