爬虫爬取黑马程序员论坛的网页数据

#引入requests库
import requests
#根据url发起请求，获取服务器响应文件  url：待抓取的url
def load_page(url):

#这里的请求头header可以是任意一个网站上面的请求头，进入开发者模式就可以找到，推荐使用google浏览器，比较方便查看#
    header = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.5359.95 Safari/537.36 QIHU 360SE'}

    #发送get请求
    response = requests.get(url, headers = header)

    #返回html源代码
    return response.text
#将html文件保存为网页文件
def save_file(html, filename):
    print('正在保存' + filename)
    with open(filename, 'w', encoding='utf-8') as file:
        file.write(html)
#调度函数
def heima_fornum(begin_page, end_page):
    for page in range(begin_page, end_page + 1):
        #组合页面完整的url
        url = f'http://bbs.itheima.com/forum-568-{page}.html'
#上面的url以黑马程序员论坛的大数据技术交流模块为例子
        #文件名称
        file_name = '第' + str(page) + '页.html'
        #抓取网页数据
        html = load_page(url)
        #保存网页数据
        save_file(html, file_name)
#定义主函数
if __name__ == '__main__':
    begin_page = int(input('请输入起始页：'))
    end_page = int(input('请输出结束页：'))
    heima_fornum(begin_page, end_page)

输入完成后运行将会是这样：

例如：

输入起始页码"1"

结束页码"6" 

那么将会保存1—6页的网络代码

保存后也页面可以本地文件夹中查看

 

 打开任意一个本地网页文件，将可以看到论坛上对应的内容

这样看来是不是很简单呢