爬虫学习---贴吧 - 熊咪

# -*- 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)

 

 

 

 

 

2.

# -*- 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, urllib.request

#定义百度函数
def baidu_tieba(url,begin_page,end_page):
for i in range(begin_page, end_page+1):
sName = str(i) + \'.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,\'wb\')
m = urllib.request.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(input(u\'请输入贴吧的地址，去掉pn=后面的数字：\n\'))
begin_page = int(input(u\'请输入开始的页数：\n\'))
end_page = int(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)

第二个使用3.3的技术，函数