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, urllib2
13
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 string的方法有.zfil 网页 最后几行能找到 string.zfill(s, width) width显示0，然后s附在最后
18         print '正在下载第' + str(i) + '个网页，并将其存储为' + sName + '......'  #显示下载进程
19         f = open(sName,'w+')               #用来写入更新，网址20         m = urllib2.urlopen(url + str(i)).read()  #urllib.urlopen的用法网址  .read的用法（包括了write的用法）用来阅读网址内容 网址 返回的是string 这个地方还是不懂？为什么要打开，写入
21         f.write(m)
22         f.close()  #网址用来释放空间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='  #网址太老，已经被删了 最好换成http://tieba.baidu.com/p/2251718675?pn=
29 #iPostBegin = 1
30 #iPostEnd = 10
31
32 bdurl = str(raw_input(u'请输入贴吧的地址，去掉pn=后面的数字：\n'))  #raw_input()里面的u代表了utf-8编码（因为括号里用到了中文）,返回一般是str，为什么还要加str（） 如果是输入的是其他的字符比如：、返回类型就变成Unicode（我用type（）函数检测的），对于有中文字符的Unicode编码，需要修改代码才行

33 begin_page = int(raw_input(u'请输入开始的页数：\n'))  #把返回的string转变成int类型34 end_page = int(raw_input(u'请输入终点的页数：\n'))    #同理35 #-------- 在这里输入参数 ------------------ 363738 #调用 39 baidu_tieba(bdurl,begin_page,end_page)  #调用前面写的函数

# -*- coding: utf-8 -*-
#---------------------------------------
#   程序：百度贴吧爬虫
#   版本：0.1
#   作者：why
#   日期：2013-05-14
#   语言：Python 2.7
#   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。
#   功能：下载对应页码内的所有页面并存储为html文件。
#---------------------------------------import string, urllib2#定义百度函数
def baidu_tieba(url,begin_page,end_page):   for i in range(begin_page, end_page+1):sName = string.zfill(i,5) + '.html'#自动填充成六位的文件名print '正在下载第' + str(i) + '个网页，并将其存储为' + sName + '......'f = open(sName,'w+')m = urllib2.urlopen(url + str(i)).read()f.write(m)f.close()#-------- 在这里输入参数 ------------------# 这个是山东大学的百度贴吧中某一个帖子的地址
#bdurl = 'http://tieba.baidu.com/p/2296017831?pn='
#iPostBegin = 1
#iPostEnd = 10

bdurl = str(raw_input(u'请输入贴吧的地址，去掉pn=后面的数字：\n'))
begin_page = int(raw_input(u'请输入开始的页数：\n'))
end_page = int(raw_input(u'请输入终点的页数：\n'))
#-------- 在这里输入参数 ------------------#调用
baidu_tieba(bdurl,begin_page,end_page)