先来简单介绍一下get请求:
get这个单词表示得到得意思
当我们点击一个超级连接得时候,浏览器会通过这个超级连接向指定的
服务器发送一个查询字符串
而服务器会查询这个字符串,并分析其查询的内容以读取相应的资源返
回给浏览器,最终浏览器将返回的字符串显示出来
也就是说凡是通过get方法请求的连接我们都可以在url当中,直接看到
其请求的内容
我们选取百度首页为爬取对象,爬取百度首页里面的连接
创建一个txt文本和py文件
一个基础的爬取百度首页连接过程,下面分享给大家
#@Time : 2020-11-21
#name : Mashine_S
import requests #导入requests包(第三方导入)
import re #导入re包python(自带的)
r = requests.get('https://www.baidu.com') #爬取百度的页面内容
content = r.content.decode("utf-8") #解码形式
print(type(content)) #type一下是什么类型的
print(content) #打印刚刚爬取的内容
res = '<a href=(.+?)(>| .*?>).*?</a>'#编写正则表达式(这里我们是匹配一些a标签里的连接)
linkes = re.findall(res,content) #编写的正则表达式和上面爬取的内容进行匹配
print(linkes) #打印匹配结果
linkes = [e[0] for e in linkes] #我们只要正则表达式里的第一个括号里的连接所有写了个for循环
with open(r'D:\demo\test\test.txt','w') as f:#将匹配出来的结果导入txt文本当中
for e in linkes:
f.write(e+'\n')
以下部分截图