Python3写爬虫（一）抓取页面
刚开始学习Python，决定学习Python3，但是网上的好多书都是Python2编写的。从今天起开始收集Python3.X实现的有趣代码，在解读代码的过程中提高自己的Python。
在CSDN上找到了一个利用Python3.3实现的爬虫，作者是一个名为德玛之力的网友，这是原文地址：
http://blog.csdn.net/omuyejingfeng1/article/details/24182313
运行了代码，顺利的实现了百度贴吧页码的下载，源码如下：
#encoding:utf-8
import urllib.request as request #导入urllib模块
import urllib.parse as parse
import string
print("""
+++++++++++++++++++++++
学校：超神学院
专业：德玛班
姓名：德玛之力
version: python3.2
+++++++++++++++++=++++
""")
def baidu_tieba(url, begin_page, end_page):
for i in range(begin_page, end_page + 1):
sName = 'f:/test/'+str(i).zfill(5)+'.html'
print('正在下载第'+str(i)+'个页面, 并保存为'+sName)
m = request.urlopen(url+str(i)).read()
with open(sName,'wb') as file:
file.write(m)
file.close()
if __name__ == "__main__":
url = "http://tieba.baidu.com/p/"
begin_page = 1
end_page = 3
baidu_tieba(url, begin_page, end_page)
Python将原来模块urllib2拆分成了urllib.request和urllib.error。在这里导入的urllib.parse和urllib.request在Python的官方文档均有介绍，附网址：
1.urllib.request:https://docs.python.org/3.1/library/urllib.request.html
2.urllib.parse:https://docs.python.org/3.1/library/urllib.parse.html
通过阅读官方文档，我们了解到：
1.urllib.request是开启URL的扩展库（Extensible library for opening URLs），该模块定义了帮助开启URLs（大部分HTTP）的方法和类，包括了基础认证和摘要认证（basic and digest authentication）、重定向、cookie等等。
2.urllib.parse的作用是分析URLs组成（Parse URLs into compons）。该模块制定了将URL字符串相关的标准接口
主要功能：(1)将URL字符串拆分成各个部分的（包括编址方案、网络位置、路径等等）。
(2)讲各个拆分部分重组为URL字符串。
(3)将“相对URL”（relative URL）转换成“绝对URL”（absolute URL）。
所以研究网络爬虫，这两个模块应该是基本的。
后面就好理解了，在一个循环体下，利用urllib.equest.urlopen()函数捕获网页内容，然后存入自动命名的文件中。
if __name__ == '__main__': statements
这行代码中__name__ == '__main__'的作用是：让该python文件既可以独立运行，也可以当做模块导入到其他文件。当导入到其他的脚本文件的时候，此时__name__的名字其实是导入模块的名字，不是'__main__', main代码里面的就不执行了。（摘自文章：《Python 关于 name main的使用》）
最后，给变量赋值，执行baidu_tieba（）实现页面的捕捉。