溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
此程序以李毅吧為例子，以面向對象的設計思想實現爬取保存網頁數據，暫時并未用到并發處理，以后有機會的話會加以改善
import requests
class TiebaSpider(object):
def __init__(self, tieba_name): # tieba_name為要爬取貼吧的名稱
self.tieba_name = tieba_name
self.url_temp = 'https://tieba.baidu.com/f?kw=' + tieba_name + '&ie=utf-8&pn={}'
self.headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36',
}
def get_url_list(self): # 構造url列表
# url_list = []
# for i in range(1000):
# url_list.append(self.url_temp.format(i * 50))
# return url_list
return [self.url_temp.format(i*50) for i in range(1000)] # 列表推導式替換上面代碼
def parse_url(self, url): # 發送請求，獲取響應
print(url)
response = requests.get(url, headers=self.headers)
return response.content.decode()
def save_html(self, html_str, page_num): # 保存html字符串
file_path = '{}-第{}頁.html'.format(self.tieba_name, page_num)
with open(file_path, 'w', encoding='utf-8') as f: # 樣例： 李毅-第一頁.html
f.write(html_str)
def run(self): # 實現主要邏輯
# 1.構造url列表
url_list = self.get_url_list()
# 2.遍歷，發送請求，獲取響應
for url in url_list:
html_str = self.parse_url(url)
# 3.保存
page_num = url_list.index(url) + 1 # 頁碼數
self.save_html(html_str, page_num)
if __name__ == '__main__':
tieba_spider = TiebaSpider('李毅')
tieba_spider.run()
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
