Python 爬虫从入门到进阶之路(七)
在之前的文章中我们一直用到的库是 urllib.request,该库已经包含了平常我们使用的大多数功能,但是它的 API 使用起来让人感觉不太好,而 Requests 自称 “HTTP for Humans”,说明使用更简洁方便。
Requests 唯一的一个非转基因的 Python HTTP 库,人类可以安全享用:)
Requests 继承了urllib2的所有特性。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的文档非常完备,中文文档也相当不错。Requests能完全满足当前网络的需求,支持Python 2.6—3.5,而且能在Python下完美运行。
开源地址:https://github.com/kennethreitz/requests
中文文档 API: http://docs.python-requests.org/zh_CN/latest/index.html
安装方式
利用 pip 安装 或者利用 easy_install 都可以完成安装:
$ pip install requests$ easy_install requests
基本GET请求(headers参数 和 parmas参数)
1. 最基本的GET请求可以直接用get方法
1 import requests 2 3 response = requests.get("http://www.baidu.com/") 4 5 # 也可以这么写 6 # response = requests.request("get", "http://www.baidu.com/") 7 print(response)
2. 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。
1 import requests 2 3 kw = {'wd':'贴吧'} 4 5 headers = {"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"} 6 7 # 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() 8 response = requests.get("http://www.baidu.com/s?", params = kw, headers = headers) 9 10 # 查看响应内容,response.text 返回的是Unicode格式的数据 11 print(response.text) 12 13 # 查看响应内容,response.content返回的字节流数据 14 print(response.content) 15 print(response.content.decode("utf-8")) 16 17 # 查看完整url地址 18 print(response.url) 19 20 # 查看响应头部字符编码 21 print(response.encoding) 22 23 # 查看响应码 24 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。
基本POST请求(data参数)
对于 POST 请求来说,我们一般需要为它增加一些参数。那么最基本的传参方法可以利用 data
这个参数。
1 import requests 2 3 data = { 4 "type": "11", 5 "interval_id": "100:90", 6 "start": "0", 7 "limit": "2" 8 } 9 10 url = "https://movie.douban.com/j/chart/top_list?" 11 12 headers={ "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"} 13 14 response = requests.post(url, data = data, headers = headers) 15 16 print(response.text) 17 18 # 如果是json文件可以直接显示 19 print(response.json())
运行结果:
[{"rating":["9.6","50"],"rank":1,"cover_url":"https://img3.doubanio.com\/view\/photo\/s_ratio_poster\/public\/p480747492.jpg","is_playable":true,"id":"1292052","types":["犯罪","剧情"],"regions":["美国"],"title":"肖申克的救赎","url":"https:\/\/movie.douban.com\/subject\/1292052\/","release_date":"1994-09-10","actor_count":25,"vote_count":1423511,"score":"9.6","actors":["蒂姆·罗宾斯","摩根·弗里曼","鲍勃·冈顿","威廉姆·赛德勒","克兰西·布朗","吉尔·贝罗斯","马克·罗斯顿","詹姆斯·惠特摩","杰弗里·德曼","拉里·布兰登伯格","尼尔·吉恩托利","布赖恩·利比","大卫·普罗瓦尔","约瑟夫·劳格诺","祖德·塞克利拉","保罗·麦克兰尼","芮妮·布莱恩","阿方索·弗里曼","V·J·福斯特","弗兰克·梅德拉诺","马克·迈尔斯","尼尔·萨默斯","耐德·巴拉米","布赖恩·戴拉特","唐·麦克马纳斯"],"is_watched":false},{"rating":["9.6","50"],"rank":2,"cover_url":"https://img3.doubanio.com\/view\/photo\/s_ratio_poster\/public\/p1910813120.jpg","is_playable":true,"id":"1291546","types":["剧情","爱情","同性"],"regions":["中国大陆","香港"],"title":"霸王别姬","url":"https:\/\/movie.douban.com\/subject\/1291546\/","release_date":"1993-01-01","actor_count":25,"vote_count":1054313,"score":"9.6","actors":["张国荣","张丰毅","巩俐","葛优","英达","蒋雯丽","吴大维","吕齐","雷汉","尹治","马明威","费振翔","智一桐","李春","赵海龙","李丹","童弟","沈慧芬","黄斐","黄磊","冯远征","杨立新","方征","周璞","隋永清"],"is_watched":false}] [{'rating': ['9.6', '50'], 'rank': 1, 'cover_url': 'https://img3.doubanio.com/view/photo/s_ratio_poster/public/p480747492.jpg', 'is_playable': True, 'id': '1292052', 'types': ['犯罪', '剧情'], 'regions': ['美国'], 'title': '肖申克的救赎', 'url': 'https://movie.douban.com/subject/1292052/', 'release_date': '1994-09-10', 'actor_count': 25, 'vote_count': 1423511, 'score': '9.6', 'actors': ['蒂姆·罗宾斯', '摩根·弗里曼', '鲍勃·冈顿', '威廉姆·赛德勒', '克兰西·布朗', '吉尔·贝罗斯', '马克·罗斯顿', '詹姆斯·惠特摩', '杰弗里·德曼', '拉里·布兰登伯格', '尼尔·吉恩托利', '布赖恩·利比', '大卫·普罗瓦尔', '约瑟夫·劳格诺', '祖德·塞克利拉', '保罗·麦克兰尼', '芮妮·布莱恩', '阿方索·弗里曼', 'V·J·福斯特', '弗兰克·梅德拉诺', '马克·迈尔斯', '尼尔·萨默斯', '耐德·巴拉米', '布赖恩·戴拉特', '唐·麦克马纳斯'], 'is_watched': False}, {'rating': ['9.6', '50'], 'rank': 2, 'cover_url': 'https://img3.doubanio.com/view/photo/s_ratio_poster/public/p1910813120.jpg', 'is_playable': True, 'id': '1291546', 'types': ['剧情', '爱情', '同性'], 'regions': ['中国大陆', '香港'], 'title': '霸王别姬', 'url': 'https://movie.douban.com/subject/1291546/', 'release_date': '1993-01-01', 'actor_count': 25, 'vote_count': 1054313, 'score': '9.6', 'actors': ['张国荣', '张丰毅', '巩俐', '葛优', '英达', '蒋雯丽', '吴大维', '吕齐', '雷汉', '尹治', '马明威', '费振翔', '智一桐', '李春', '赵海龙', '李丹', '童弟', '沈慧芬', '黄斐', '黄磊', '冯远征', '杨立新', '方征', '周璞', '隋永清'], 'is_watched': False}]
代理(proxies参数)
如果需要使用代理,你可以通过为任意请求方法提供 proxies
参数来配置单个请求:
1 import requests 2 3 # 根据协议类型,选择不同的代理 4 proxies = { 5 "https": "http://27.191.234.69:9999", 6 } 7 8 response = requests.get("http://www.baidu.com", proxies = proxies) 9 print(response.text)
私密代理验证(特定格式) 和 Web客户端验证(auth 参数)
urllib.request 这里的做法比较复杂,requests只需要一步:
1 import requests 2 3 # 如果代理需要使用HTTP Basic Auth,可以使用下面这种格式: 4 proxy = { "http": "user:password@27.191.234.69:9999" } 5 6 response = requests.get("http://www.baidu.com", proxies = proxy) 7 8 print(response.text)
web客户端验证
如果是Web客户端验证,需要添加 auth = (账户名, 密码)
1 import requests 2 3 auth = ('test', '123456') 4 5 response = requests.get('http://27.191.234.69:9999', auth=auth) 6 7 print(response.text)
Cookies 和 Sission
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:
1 import requests 2 3 response = requests.get("http://www.baidu.com/") 4 5 # 7. 返回CookieJar对象: 6 cookiejar = response.cookies 7 8 # 8. 将CookieJar转为字典: 9 cookiedict = requests.utils.dict_from_cookiejar(cookiejar) 10 11 print (cookiejar) 12 13 print (cookiedict)
Sission
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。
会话能让我们在跨请求时候保持某些参数,比如在同一个 Session 实例发出的所有请求之间保持 cookie 。
实现人人网登录
1 import requests 2 3 # 1. 创建session对象,可以保存Cookie值 4 ssion = requests.session() 5 6 # 2. 处理 headers 7 headers = { 8 "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"} 9 10 # 3. 需要登录的用户名和密码 11 data = {"email": "562352353@qq.com", "password": "chen562352353"} 12 13 # 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 14 ssion.post("http://www.renren.com/PLogin.do", data=data) 15 16 # 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 17 response = ssion.get("http://www.renren.com/485439163") 18 19 # 6. 打印响应内容 20 print(response.text)
处理HTTPS请求 SSL证书验证
- 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)
1 import requests 2 3 response = requests.get("https://www.baidu.com/", verify=True) 4 5 # 也可以省略不写 6 # response = requests.get("https://www.baidu.com/") 7 print(response.text)
转载于:https://www.cnblogs.com/weijiutao/p/10751068.html
Python 爬虫从入门到进阶之路(七)相关推荐
- python爬虫入门-Python 爬虫从入门到进阶之路(一)
通用爬虫和聚焦爬虫 根据使用场景,网络爬虫可分为 通用爬虫 和 聚焦爬虫 两种. 通用爬虫 通用网络爬虫 是 捜索引擎抓取系统(Baidu.Google.Yahoo等)的重要组成部分.主要目的是将互联 ...
- Python 爬虫从入门到进阶之路(四)
之前的文章我们做了一个简单的例子爬取了百度首页的 html,我们用到的是 urlopen 来打开请求,它是一个特殊的opener(也就是模块帮我们构建好的).但是基本的 urlopen() 方法不支持 ...
- pythonwhile爬虫教程_Python 爬虫从入门到进阶之路(十一)
之前的文章我们介绍了一下 Xpath 模块,接下来我们就利用 Xpath 模块爬取<糗事百科>的糗事. 之前我们已经利用 re 模块爬取过一次糗百,我们只需要在其基础上做一些修改就可以了, ...
- Python爬虫从入门到进阶(2)之urllib库的使用
1.什么是Urllib(官网地址:https://docs.python.org/3/library/urllib.html#module-urllib) Urllib是python内置的HTTP请求 ...
- Python爬虫零基础到进阶(课程说明)
Python爬虫零基础到进阶 课程介绍总结 学-练-问 跟着学.多做多练.不懂就问.坚持就是胜利! 作业 飞书布置,作业提交放到群里,老师批改. 代码量 python基础: 十一次课,学会python ...
- python爬虫从入门到精通-Python爬虫从入门到精通视频(2018新版)
原标题:Python爬虫从入门到精通视频(2018新版) Python在软件质量控制.提升开发效率.可移植性.组件集成.丰富库支持等各个方面均处于先进地位,并且随着人工智能的兴起,Python发展得越 ...
- python flask快速入门与进阶 百度云_Python Flask快速入门与进阶
课程目录 1-1 Python Flask快速入门与进阶.mp4 2-1 windows环境安装开发环境 (上).mp4 2-2 windows环境安装开发环境 (下).mp4 2-3 配置开发环境. ...
- Python爬虫新手入门教学(十):爬取彼岸4K超清壁纸
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. Python爬虫.数据分析.网站开发等案例教程视频免费在线观看 https://space. ...
- Python爬虫从入门到精通——爬虫实战:爬取今日头条图片新闻
分类目录:<Python爬虫从入门到精通>总目录 本文为实战篇,需提前学习Python爬虫从入门到精通中<基本库requests的使用>和<Ajax数据爬取(一):基本原 ...
最新文章
- 为什么刹车热了会失灵_汽车为什么要换刹车油?
- 树莓派安装Ubuntu MATE及ROS系统
- classpass 配置mysql_jmeter压测学习18-JDBC配置连接mysql数据库
- asterisk版本选择
- centos解压分卷rar_centos解压和压缩rar格式文件
- 目标检测——FCOS的学习笔记
- php - 微信 - 缓存access_token类。
- java 3d文字旋转_3d多物体点旋转
- 陕西大数据产业建设总投资达500亿元
- StackExchange.Redis学习笔记(三) 数据库及密码配置 GetServer函数
- 如何更改static控件的字体大小
- 算法与数据结构 第3章 高级排序算法下 学习笔记
- js封装cookie
- 小刘同学的sansen-virtuosoIC618电路仿真记录
- Android Studio 手动创建活动(Activity) 第一行代码 第二章
- 对不起,云计算又走错路了
- java实现空心三角形
- hdu1546—Idiomatic Phrases Game(spfa)
- MacBook安裝系統報錯
- 好兄弟结婚,送给他的小诗
热门文章
- Python之路【第十四篇】:AngularJS --暂无内容-待更新
- 二、JavaScript语言--JS基础--JavaScript进阶篇--DOM对象 控制HTML元素
- VS2008中代码段(Snippet)及代码段编辑
- LCA 求 树中两个点的距离
- Storage Options
- [zz]用U盘装win7/XP系统的操作[图解]
- golang hmac的sha1加密例子
- 传说中的贝叶斯统计到底有什么来头?
- HSV(HSL)颜色空间及其应用
- 学习笔记CB006:依存句法、LTP、n元语法模型、N-最短路径分词法、由字构词分词法、图论、概率论...