- # -*- 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)
- #该片段来自于http://www.codesnippet.cn/detail/0104201512050.html
来源: http://www.codesnippet.cn/detail/0104201512050.html