python爬取百度贴吧前1000页内容（requests库面向对象思想实现）

此程序以李毅吧为例子，以面向对象的设计思想实现爬取保存网页数据，暂时并未用到并发处理，以后有机会的话会加以改善

• 首先去百度贴吧分析贴吧地址栏中url后的参数，找到分页对应的参数pn，贴吧名字对应的参数kw
• 首先创建类，写好__init__方法，run方法，__init__方法里先可以直接写pass
• run方法里大概整理一下整体的思路 构造 url 列表，因为要爬取1000页，每页需对应一个url
• 遍历发送请求，获取响应
• 保存　　

import requests

class TiebaSpider(object):
def __init__(self, tieba_name): # tieba_name为要爬取贴吧的名称
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): # 构造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)] # 列表推导式替换上面代码

def parse_url(self, url): # 发送请求，获取响应
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{}页.html'.format(self.tieba_name, page_num)
with open(file_path, 'w', encoding='utf-8') as f: # 样例： 李毅-第一页.html
f.write(html_str)

def run(self): # 实现主要逻辑
# 1.构造url列表
url_list = self.get_url_list()
# 2.遍历，发送请求，获取响应
for url in url_list:
html_str = self.parse_url(url)
# 3.保存
page_num = url_list.index(url) + 1 # 页码数
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内容，希望对大家的学习有所帮助

您可能感兴趣的文章:

• Python爬取视频(其实是一篇福利)过程解析
• 使用python爬取抖音视频列表信息
• 如何使用python爬虫爬取要登陆的网站
• python批量爬取下载抖音视频
• 实例讲解Python爬取网页数据
• Python使用requests发送POST请求实例代码
• python中requests库session对象的妙用详解