python学习（三）--跟着例子写的贴吧网页爬取

from urllib import request
import  urllib

#爬贴吧网页文件到本地。首先在本地打开百度贴吧 搜索 java吧
#第一页的内容是:http://tieba.baidu.com/f?ie=utf-8&kw=java&fr=search&red_tag=f0746297280
#第二页         http://tieba.baidu.com/f?kw=java&ie=utf-8&pn=50
#第三页         http://tieba.baidu.com/f?kw=java&ie=utf-8&pn=100
#第四页         http://tieba.baidu.com/f?kw=java&ie=utf-8&pn=150
#看规律  只有第一页比较特殊  把第一页换成：http://tieba.baidu.com/f?kw=java&ie=utf-8&pn=0  也是可以的
#也就是地址栏实际上是  http://tieba.baidu.com/f?kw=java（如果是中文需要转码）&ie=utf-8&pn=0（格式为：（页数-1）*50）

def load_file(url, fname):
    print("正在下载："+fname)
    # 水果手机的safari
    header = {"user-agent":
                  "mozilla/5.0 (iphone; u; cpu iphone os 4_3_3 like mac os x; en-us) applewebkit/533.17.9 (khtml, like gecko) version/5.0.2 mobile/8j2 safari/6533.18.5"}
    req = request.request(url, headers=header)

　　#这里是read方法 就读取到了原始网页  开始加了decode方法，结果报类型错误。decode方法把内容解析成了一个字符串

    data = request.urlopen(req).read()

    return data






def spider(url, begin, end, filename):
    #rang函数 理解的类似于java的字符串切割的包左不包右原则，所以需要+1
    for page in range(begin, end+1):
        url = url +str((page-1)*50)
        fname = filename +str(page) +"页.html"
        html = load_file(url, fname)
        writepage(html, fname)


def writepage(html, fname):
    print("正在保存："+fname)
    #存放位置
    targetloaction = "d:\浏览器下载目录\images" + "\\"+fname
    print("保存文件为："+targetloaction)
    with open(targetloaction, "wb") as f:
        f.write(html)

    print(fname+"爬取成功")


if __name__ == "__main__":
    name = input("请输入要爬取的贴吧名：")
    begin = int(input("请输入起始页："))
    end = int(input("请输入尾页："))

    if int(begin) > int(end) :
        print("起始页不可大于尾页")
        quit()

#组装url
kw = urllib.parse.urlencode({"kw":name})
url = "http://tieba.baidu.com/f?kw="+kw+"&ie=utf-8&pn="
filename = "爬取"+name+"吧第"

spider(url, begin, end, filename);