1 # -*- coding: utf-8 -*- 2 #--------------------------------------- 3 #   程序：百度贴吧爬虫 4 #   版本：0.1 5 #   作者：why 6 #   日期：2013-05-14 7 #   语言：Python 2.7 8 #   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。 9 #   功能：下载对应页码内的所有页面并存储为html文件。10 #---------------------------------------11  12 import string, urllib213  14 #定义百度函数15 def baidu_tieba(url,begin_page,end_page):   16     for i in range(begin_page, end_page+1):17         sName = string.zfill(i,5) + '.html'#自动填充成六位的文件名18         print '正在下载第' + str(i) + '个网页，并将其存储为' + sName + '......'19         f = open(sName,'w+')20         m = urllib2.urlopen(url + str(i)).read()21         f.write(m)22         f.close()23  24  25 #-------- 在这里输入参数 ------------------26 27 # 这个是山东大学的百度贴吧中某一个帖子的地址28 #bdurl = 'http://tieba.baidu.com/p/2296017831?pn='29 #iPostBegin = 130 #iPostEnd = 1031 32 bdurl = str(raw_input(u'请输入贴吧的地址，去掉pn=后面的数字：\n'))33 begin_page = int(raw_input(u'请输入开始的页数：\n'))34 end_page = int(raw_input(u'请输入终点的页数：\n'))35 #-------- 在这里输入参数 ------------------36  37 38 #调用39 baidu_tieba(bdurl,begin_page,end_page)