【安全】爬虫之旅（1）— 百度贴吧低级爬虫
网上有挺多用Python写爬虫的教程和博客，正好我一直想学习python，所以就以写爬虫的方式来熟悉python是个不错的选择！
现在的水平是：基本的语法轮廓懂一点，写程序要查文档；有什么库，库里有什么函数基本不懂，所以仍需百度。
好，现在说回正题，贴一个最近在学python爬虫的链接，写的不错，挺详细，但还是有些地方比较难懂。
http://blog.csdn.net/column/details/why-bug.html
看了看他的博客，好像能懂，但毕竟自己还是没有动手写，不要脸的贴一个他博客中的百度贴吧爬虫。
1 # -*- coding: utf-8 -*- 2 #--------------------------------------- 3 # 程序：百度贴吧爬虫 4 # 版本：1.0 5 # 语言：Python 2.7 6 # 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。 7 # 功能：下载对应页码内的所有页面并存储为html文件。 8 #--------------------------------------- 9 10 import string, urllib2 11 12 #定义百度函数 13 def baidu_tieba(url,begin_page,end_page): 14 for i in range(begin_page, end_page+1): 15 sName = string.zfill(i,5) + '.html'#自动填充成六位的文件名 16 print '正在下载第' + str(i) + '个网页，并将其存储为' + sName + '......' 17 #文件操作 新建一个html文件 18 f = open(sName,'w+') 19 m = urllib2.urlopen(url + str(i)).read() 20 f.write(m) 21 f.close() 22 23 24 #-------- 在这里输入参数 ------------------ 25 26 #这个是学生党吧中某一个帖子的地址 27 #bdurl = 'http://tieba.baidu.com/p/2792970116?pn=' 28 #iPostBegin = 1 29 #iPostEnd = 2 30 31 bdurl = str(raw_input(u'请输入贴吧的地址，去掉pn=后面的数字：\n')) 32 begin_page = int(raw_input(u'请输入开始的页数：\n')) 33 end_page = int(raw_input(u'请输入终点的页数：\n')) 34 #-------- 在这里输入参数 ------------------ 35 36 37 #调用 38 baidu_tieba(bdurl,begin_page,end_page)
标题里的「百度贴吧低级爬虫」似乎不太恰当，我的意思是这个是最入门级别的爬虫，程序很简单！
首先获得需要访问的URL地址；然后模拟浏览器去访问它，得到返回数据；把数据写进新建文件，并把后缀设定为html，这样双击这个页面就能看到内容了。
虽然程序简单，但还是学到一些之前完全不懂的东西：
1、string.zfill(s,width) 函数；「用0在s前面填充到width宽度，eg：string.zfill(1,5) => 00001」
2、python中建文件、写文件的方法；
3、python中从控制台读取“字符串”、“数字”等的方法；
