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。