欢迎访问 生活随笔!

生活随笔

当前位置: 首页 > 编程语言 > python >内容正文

python

python模拟手写_python-自己手写的贴吧爬虫

发布时间:2025/3/20 python 45 豆豆
生活随笔 收集整理的这篇文章主要介绍了 python模拟手写_python-自己手写的贴吧爬虫 小编觉得挺不错的,现在分享给大家,帮大家做个参考.

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

import urllib2

import re

def load_Page(url,begin_page,end_page):

'''

加载贴吧信息

'''

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

pn = 50*(i-1)

my_url = url+str(pn)

html = Get_Html(my_url)

title = GetMainInfo(html)

sumTxt = ""

for item in title:

sumTxt = sumTxt + item

print "--------第 %d 页数据开始收集-------" % (i)

# filename = "第"+str(i)+"页数据.html"

SaveToTxt(str(i) + ".html", sumTxt)

print "--------第 %d 页数据收集完毕--------" % (i)

def Get_Html(url):

"""

抓取网页信息并返回

"""

User_Agent = "Mozilla/5.0 (X11; U; Linux i686)Gecko/20071127 Firefox/2.0.0.11"

Accept = "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8"

headers = {"User-Agent": User_Agent, "Accept": Accept}

request = urllib2.Request(url, headers=headers)

response = urllib2.urlopen(request)

html = response.read()

return html

def SaveToTxt(filename,txt):

f = open(filename,'a')

f.write(txt)

f.close()

def GetMainInfo(html):

regex = re.compile("

(.*)", re.S)

return regex.findall(html)

#mian

if __name__ == "__main__":

print "请输入贴吧地址"

url = raw_input()

print "请输入起始页码"

begin_page = int(raw_input())

print "请输入结束页码"

end_page = int(raw_input())

load_Page(url,begin_page,end_page)

总结

以上是生活随笔为你收集整理的python模拟手写_python-自己手写的贴吧爬虫的全部内容,希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错,欢迎将生活随笔推荐给好友。