# -*- coding: utf-8 -*-
#---------------------------------------
# 程序:百度貼吧爬蟲
# 版本:0.1
# 作者:why
# 日期:2013-05-14
# 語言:Python 2.7
# 操作:輸入帶分頁的地址,去掉最后面的數(shù)字,設(shè)置一下起始頁數(shù)和終點頁數(shù)。
# 功能:下載對應(yīng)頁碼內(nèi)的所有頁面并存儲為html文件。
#---------------------------------------
import string, urllib2
#定義百度函數(shù)
def baidu_tieba(url,begin_page,end_page):
for i in range(begin_page, end_page+1):
sName = string.zfill(i,5) + '.html'#自動填充成六位的文件名
print '正在下載第' + str(i) + '個網(wǎng)頁,并將其存儲為' + sName + '......'
f = open(sName,'w+')
m = urllib2.urlopen(url + str(i)).read()
f.write(m)
f.close()
#-------- 在這里輸入?yún)?shù) ------------------
# 這個是山東大學(xué)的百度貼吧中某一個帖子的地址
#bdurl = 'http://tieba.baidu.com/p/2296017831?pn='
#iPostBegin = 1
#iPostEnd = 10
bdurl = str(raw_input(u'請輸入貼吧的地址,去掉pn=后面的數(shù)字:\n'))
begin_page = int(raw_input(u'請輸入開始的頁數(shù):\n'))
end_page = int(raw_input(u'請輸入終點的頁數(shù):\n'))
#-------- 在這里輸入?yún)?shù) ------------------
#調(diào)用
baidu_tieba(bdurl,begin_page,end_page)