Python3实现爬取指定百度贴吧页面并保存页面数据生成本地文档的方法

 更新时间:2018年04月22日 11:58:04   作者:wangbowj123  
这篇文章主要介绍了Python3实现爬取指定百度贴吧页面并保存页面数据生成本地文档的方法,涉及Python基于urllib模块的页面爬取与文件读写相关操作技巧,需要的朋友可以参考下

分享给大家供大家参考,具体如下:Python3实现爬取指定百度贴吧页面并保存页面数据生成本地文档的方法。分享给大家供大家参考,具体如下:

首先我们创建一个python文件, tieba.py,我们要完成的是,输入指定百度贴吧名字与指定页面范围之后爬取页面html代码,我们首先观察贴吧url的规律,比如:

百度贴吧LOL吧第一页:http://tieba.baidu.com/f?kw=lol&ie=utf-8&pn=0

第二页: http://tieba.baidu.com/f?kw=lol&ie=utf-8&pn=50

第三页: http://tieba.baidu.com/f?kw=lol&ie=utf-8&pn=100

发现规律了吧,贴吧中每个页面不同之处,就是url最后的pn的值,其余的都是一样的,我们可以抓住这个规律(kw表示贴吧名,采用url编码)。

清楚了url规则,我们便可以利用urllib进行批量式数据爬取,代码如下:

# -*- coding:utf-8 -*-
from urllib import request as urllib2
from urllib import parse
import random
def loadPage(url, page):
  '''
  根据url获取服务器响应文件
  url:需要爬取的url
  '''
  print('---------正在下载页面%d-------' % page)
  ua_list = [
    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv2.0.1) Gecko/20100101 Firefox/4.0.1",
    "Mozilla/5.0 (Windows NT 6.1; rv2.0.1) Gecko/20100101 Firefox/4.0.1",
    "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11",
    "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11"
  ]
  header = random.choice(ua_list)
  request = urllib2.Request(url)
  request.add_header('User-Agent', header)
  response = urllib2.urlopen(request)
  html = response.read()
  return html
def write(html, page):
  '''
  将html文件写入本地
  :param html: 服务器响应文件内容
  :return:
  '''
  data = html
  file_name = 'tieba{}.txt'.format(page)
  print('---------正在保存文件%s-------'%file_name)
  # 运用with open as语句使代码更加简洁 避免写异常处理和文件关闭语句
  with open(file_name,'w',encoding='utf-8') as file:
    file.write(data.decode())
  print('---------success!---------')
def tiebaSpider(url, kw, begin, end):
  '''
  爬取贴吧信息
  '''
  words = {
    'kw':kw
  }
  kw = parse.urlencode(words)
  url = url % (kw)
  for page in range(begin, end + 1):
    pn = ((page-1)*50)
    ful_url = url + str(pn)
    html = loadPage(url, page)
    write(html, page)
if __name__ == '__main__':
  kw = input('请输入爬取贴吧名:')
  beginPage = int(input('请输入起始页:'))
  endPage = int(input('请输入结束页:'))
  url = r'http://tieba.baidu.com/f?%s&pn='
  tiebaSpider(url, kw, beginPage, endPage)

控制台结果如下:

请输入爬取贴吧名:河南
请输入起始页:1
请输入结束页:3
---------正在下载页面1-------
---------正在保存文件tieba1.txt-------
---------success!---------
---------正在下载页面2-------
---------正在保存文件tieba2.txt-------
---------success!---------
---------正在下载页面3-------
---------正在保存文件tieba3.txt-------
---------success!---------
Process finished with exit code 0

更多关于Python相关内容可查看本站专题:《Python Socket编程技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总

希望本文所述对大家Python程序设计有所帮助。

相关文章

  • 通过Python绘制九种二次曲面的示例详解

    通过Python绘制九种二次曲面的示例详解

    这篇文章主要为大家详细介绍了如何通过Python绘制九种二次曲面,文中的示例代码讲解详细,具有一定的学习价值,感兴趣的小伙伴可以跟随小编一起了解一下
    2023-06-06
  • Python 格式化打印json数据方法(展开状态)

    Python 格式化打印json数据方法(展开状态)

    今天小编就为大家分享一篇Python 格式化打印json数据方法(展开状态),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-02-02
  • python网络爬虫实现个性化音乐播放器示例解析

    python网络爬虫实现个性化音乐播放器示例解析

    这篇文章主要为大家介绍了使用python网络爬虫实现个性化音乐播放器的详细示例代码以及内容解析,有需要的朋友 可以借鉴参考下希望能够有所帮助
    2022-03-03
  • Python办公自动化之教你用Python批量识别发票并录入到Excel表格中

    Python办公自动化之教你用Python批量识别发票并录入到Excel表格中

    今天来分享一篇办公干货文章,对于财务专业等学生或者公司财务人员来说,将报账发票等汇总到excel简直就是一个折磨.尤其是到年底的时候,公司的财务人员面对一大堆的发票简直就是苦不堪言.正好我们学会了Python,我们应该将Python的优势发挥起来,需要的朋友可以参考下
    2021-06-06
  • python geemap的安装步骤及环境配置

    python geemap的安装步骤及环境配置

    geemap是基于GEE由吴秋生老师二次开发的一个包,geemap主要使用python来进行实现相关功能,这篇文章主要介绍了geemap的详细安装步骤及环境配置,需要的朋友可以参考下
    2022-08-08
  • Python语言编写智力问答小游戏功能

    Python语言编写智力问答小游戏功能

    这篇文章主要介绍了使用Python代码语言简单编写一个轻松益智的小游戏,代码简单易懂,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-10-10
  • python sorted方法和列表使用解析

    python sorted方法和列表使用解析

    这篇文章主要介绍了python sorted方法和列表使用解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-11-11
  • Python取读csv文件做dbscan分析

    Python取读csv文件做dbscan分析

    这篇文章主要介绍了Python取读csv文件做dbscan分析,读取csv文件中相应的列,然后进行转化,处理为本算法需要的格式,然后进行dbscan运算,下面文章的具体介绍需要的小伙伴可以参考一下
    2022-04-04
  • 利用python进行文件操作

    利用python进行文件操作

    这篇文章主要介绍了如何利用python进行文件操作,帮助大家更好的理解和使用python,感兴趣的朋友可以了解下
    2020-12-12
  • Python编程实现tail-n查看日志文件的方法

    Python编程实现tail-n查看日志文件的方法

    这篇文章主要介绍了Python编程实现tail-n查看日志文件的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-07-07

最新评论