百度贴吧

# -*- coding:utf-8 -*-
import urllib
import urllib2
import re

#百度贴吧：纯原创我心中的NBA2014-2015赛季现役50大


# https://tieba.baidu.com/p/3138733512?see_lz=1&pn=1
#解释如下：
# http://  代表资源传输使用http协议
# tieba.baidu.com 是百度的二级域名，指向百度贴吧的服务器。
# /p/3138733512 是服务器某个资源，即这个帖子的地址定位符
# see_lz和pn是该URL的两个参数，分别代表了只看楼主和帖子页码，等于1表示该条件为真


class BDTB:

    #初始化方法，传入url，看是否只看楼主的参数
    def __init__(self, baseUrl, seeLz):
        self.baseurl = baseUrl
        self.seelz = ‘?see_lz=‘ + str(seeLz)
        self.user_agent = ‘Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)‘
        #初始化headers
        self.headers = { ‘User-Agent‘ : self.user_agent }


    #方法getPage,获取该页帖子代码的源码
    def getPage(self, pageNum):
        try:
            url = self.baseurl + self.seelz + ‘&pn=‘ + str(pageNum)
            request = urllib2.Request(url,headers = self.headers)
            response = urllib2.urlopen(request)
            pageCode = response.read().decode(‘utf-8‘)
            return pageCode

        except urllib2.URLError, e:
            if hasattr(e,"reason"):
                print u"百度贴吧链接失败，错误原因是：",e.reason
                return None


    #获取帖子标题（使用正则表达式）
    def getTitle(self):
        page = self.getPage(1)
        if not page:
            print "页面加载失败..."
            return None
        pattern = re.compile(‘<h3.*?class="core_title_txt pull-left text-overflow.*?>(.*?)</h3>‘, re.S)
        result = re.search(pattern, page)
        if result:
            print result.group(1).strip()
        else:
            print "None"


            

baseURL = ‘https://tieba.baidu.com/p/3138733512‘
bdtb = BDTB(baseURL, 1)
bdtb.getPage(1)
bdtb.getTitle()