Python抓取Discuz!使用者名稱指令碼代碼_python

最近學習Python，於是就用Python寫了一個抓取Discuz!使用者名稱的指令碼，代碼很少但是很搓。思路很簡單，就是正則匹配title然後提取使用者名稱寫入文字文件。程式以百度站長社區為例(一共有40多萬使用者)，掛在VPS上就沒管了，雖然用了延時但是後來發現一共只抓取了50000多個使用者名稱就被封了。。。
代碼如下：

複製代碼 代碼如下:

# -*- coding: utf-8 -*-
# Author: 天一
# Blog: http://www.90blog.org
# Version: 1.0
# 功能: Python抓取百度站長平台使用者名稱指令碼

import urllib
import urllib2 
import re
import time

def BiduSpider():
     pattern = re.compile(r'<title>(.*)的設定檔  百度站長社區 </title>')
     uid=1
     thedatas = []
     while uid <400000:
         theUrl = "http://bbs.zhanzhang.baidu.com/home.php?mod=space&uid="+str(uid)
         uid +=1
         theResponse  = urllib2.urlopen(theUrl)
         thePage = theResponse.read()
         #正則匹配使用者名稱
         theFindall = re.findall(pattern,thePage)
         #等待0.5秒，以防頻繁訪問被禁止
         time.sleep(0.5)
         if theFindall :
              #中文編碼防止亂碼輸出
              thedatas = theFindall[0].decode('utf-8').encode('gbk')
              #寫入txt文字文件
              f = open('theUid.txt','a')
              f.writelines(thedatas+'\n')
              f.close()

if __name__ == '__main__':
     BiduSpider()

最終成果如下：