爬虫-requests模块的使用
2021-01-14 21:36
1096 查看
相比于urllib模块,requests模块使用起来更简洁方便。requests支持HTTP连接保持和连接池,支持使用cookie保持会话,支持文件上传,支持自动确定响应内容的编码,支持国际化的 URL 和 POST 数据自动编码。requests的底层实现其实就是urllib3。
一、安装
sudo pip3 install requests
二、基本GET请求(headers参数和params参数)
-
最基本的GET请求可以直接使用get方法
import requests response = requests.get("https://www.baidu.com/") # 也可以写成 # response = requests.request("get", "https://www.baidu.com/")
-
添加headers和查询参数
如果想添加headers,可以传入
headers参数来增加请求头中的headers信息。如果要将参数放在url中传递,可以利用
params参数,并且url后面的'?‘可以不加
-
import requests kw = {'wd':'长城'} headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"} # params 接收一个字典或者字符串的查询参数,字典类型自动转换为url编码,不需要urlencode() response = requests.get("http://www.baidu.com/s", params = kw, headers = headers) # 查看响应内容,response.text 返回的是Unicode格式的数据 print(response.text) # 查看响应内容,response.content返回的字节流数据 print(respones.content) # 查看完整url地址 print(response.url) # 查看响应头部字符编码 print(response.encoding) # 查看响应码 print(response.status_code)
使用response.text 时,requests 会基于 HTTP 响应的文本编码自动解码响应内容,大多数 Unicode 字符集都能被无缝地解码。使用response.content 时,返回的是服务器响应数据的原始二进制字节流,可以用来保存图片等二进制文件。
三、基本POST请求(data参数)
-
最基本的POST请求,可以直接使用post方法
import requests resp = requests.post('https://www.baidu.com/',data = data)
-
传入data数据,示范一个有道翻译的例子
import requests formdata = { 'i':'I love you', "from":'AUTO', "to":'AUTO', "smartresult":"dict", "client":"fanyideskweb", "doctype":"json", "version":"2.1", "keyfrom":"fanyi.web", "action":"FY_BY_REALTlME" } url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null" headers={ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36"} response = requests.post(url, data = formdata, headers = headers) print(response.text) # 如果是json文件可以直接显示,返回的是dict类型 print(response.json())
-
发送json类型的数据
-
利用data参数传递,但是数据需要序列化成Json字符串,同时传入headrs中必须指明‘Content-Type':’application/json‘
import requests import json url = 'https://openapi.vmall.com/mcp/offlineshop/getShopList' headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36', 'Content-Type':'application/json' } # 将json类型的数据转换成字典类型的数据 data = { "portal":2,"lang":"zh-CN","country":"CN","brand":1,"province":"山西","city":"太原","pageNo":1,"pageSize":20 } # 调用json.dumps()方法,将数据以json格式传递 resp = requests.post(url=url, headers=headers, data=json.dumps(data)) print(resp.text)
-
利用json参数传递dict类型数据,不需要提前转换成json字符串
import requests url = 'https://openapi.vmall.com/mcp/offlineshop/getShopList' headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36' } json = {"portal":2,"lang":"zh-CN","country":"CN","brand":1,"province":"山西","city":"太原","pageNo":1,"pageSize":20} # 直接给post方法中的json参数赋值,赋dict类型的数据 response = requests.post(url=url, headers=headers, json=json) print(response.text)
传入json参数时,会自动将传入的数据进行json序列化,同时headers中设置'Content-Type'为‘application/json’
四、代理(proxies)
如果需要使用代理,你可以为任意请求方法提供
proxies参数来配置单个请求:
import requests # 根据协议类型,选择不同的代理 proxies = { "http": "http://12.34.56.79:9527", "https": "https://12.34.56.79:9527", } resp = requests.get("https://www.baidu.com", proxies = proxies) print(resp.text)
-
私密代理验证(特定格式)
import requests # 如果代理需要使用HTTP Basic 56c Auth,可以使用下面这种格式: proxy = { "http": "mr_mao_hacker:sffqry9r@61.158.163.130:16816" } resp = requests.get("http://www.baidu.com", proxies = proxy) print(resp.text)
五、Web客户端验证(auth参数)
import requests #添加 auth = (账户名, 密码) auth=('test', '123456') resp = requests.get('http://192.168.199.107', auth = auth) print(resp.text)
六、Cookies和Session
-
Cookies:
如果一个响应中包含了cookie,那么我们可以利用 cookies参数拿到import requests response = requests.get("http://www.baidu.com/") # 返回CookieJar对象: cookiejar = response.cookies # 将CookieJar转为字典: cookiedict = requests.utils.dict_from_cookiejar(cookiejar) print(cookiejar) print(cookiedict)
Session
-
在 requests 里,session对象是一个非常常用的对象,这个对象代表一次用户会话:从客户端浏览器连接服务器开始,到客户端浏览器与服务器断开。
import requests # 1. 创建session对象,可以保存Cookie值 ssion = requests.session() # 2. 处理 headers headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"} # 3. 需要登录的用户名和密码 data = {"email":"mr_mao_hacker@163.com", "password":"alarmchime"} # 4. 发送附带用户名和密码的请求,并获取登录后的Cookie值,保存在ssion里 ssion.post("http://www.renren.com/PLogin.do", data = data) # 5. ssion包含用户登录后的Cookie值,可以直接访问那些登录后才可以访问的页面 resp = ssion.get("http://www.renren.com/410043129/profile") # 6. 打印响应内容 print(resp.text)
七、HTTPS请求SSL证书验证(verify参数)
-
要想检查某个主机的SSL证书,你可以使用 verify 参数(也可以不写),默认verify = True表示开启验证
import requests resp = requests.get("https://www.baidu.com/", verify=True) # 也可以省略不写 # resp = requests.get("https://www.baidu.com/") print(resp.text)
-
关闭验证,只需要将verify参数设为False
import requests resp = requests.get("https://www.12306.cn/mormhweb/", verify = False) print(resp.text)
相关文章推荐
- python3使用requests模块的get方法做爬虫(伪装浏览器)
- 爬虫技术requests模块的使用
- 使用requests模块下载爬虫百度图片
- 爬虫学习笔记004-requests模块使用代理
- 爬虫实例——主要使用re和requests模块
- 使用爬虫爬取豆瓣电影影评数据Python版
- 使用webmagic搭建一个简单的爬虫
- 京东模拟登陆,仅实现登陆功能(仅交流学习使用,爬虫起点)
- Python爬虫框架Scrapy安装使用步骤
- python爬虫学习笔记——使用requests库编写爬虫(1)
- Python爬虫入门六之Cookie的使用
- 使用 HttpClient 和 HtmlParser 实现简易爬虫
- python3网络爬虫一《使用urllib.request发送请求》
- python爬虫:cookie的使用
- 【用Python写爬虫】获取html的方法【四】:使用urllib下载文件
- 学习笔记(03):Python爬虫进阶:Scrapy框架教程-Scrapy框架的使用1
- python爬虫系列(七):XPath的使用
- Python爬虫笔记(三)Urllib库的使用
- 【用Python写爬虫】获取html的方法【一】:使用urllib
- java爬虫问题一:解决使用htmlunit 时候ssl认证失败问题