python爬虫之requests的基本使用

简介

  Requests是用python语言基于urllib编写的,采用的是Apache2 Licensed开源协议的HTTP库,Requests它会比urllib更加方便,可以节约我们大量的工作。

一、安装

pip快速安装


1

pip install requests

二、使用

  1、先上一串代码


1

2

3

4

5

6

7

8

9

10

11

12

13

14

import requests

response  = requests.get("https://www.baidu.com")

print(type(response))

print(response.status_code)

print(type(response.text))

response.enconding = "utf-8

print(response.text)

print(response.cookies)

print(response.content)

print(response.content.decode("utf-8"))

  response.text返回的是Unicode格式,通常需要转换为utf-8格式,否则就是乱码。response.content是二进制模式,可以下载视频之类的,如果想看的话需要decode成utf-8格式。
  不管是通过response.content.decode("utf-8)的方式还是通过response.encoding="utf-8"的方式都可以避免乱码的问题发生

  2、一大推请求方式


1

2

3

4

5

6

import requests

requests.post("http://httpbin.org/post")

requests.put("http://httpbin.org/put")

requests.delete("http://httpbin.org/delete")

requests.head("http://httpbin.org/get")

requests.options("http://httpbin.org/get")

  

  基本GET:


1

2

3

4

5

import requests

url = ‘https://www.baidu.com/‘

response = requests.get(url)

print(response.text)

  

  带参数的GET请求:

  如果想查询http://httpbin.org/get页面的具体参数,需要在url里面加上,例如我想看有没有Host=httpbin.org这条数据,url形式应该是http://httpbin.org/get?Host=httpbin.org

  下面提交的数据是往这个地址传送data里面的数据。


1

2

3

4

5

6

7

8

9

10

import requests

url = ‘http://httpbin.org/get‘

data = {

    ‘name‘:‘zhangsan‘,

    ‘age‘:‘25‘

}

response = requests.get(url,params=data)

print(response.url)

print(response.text)

  

  Json数据:

  从下面的数据中我们可以得出,如果结果:

  1、requests中response.json()方法等同于json.loads(response.text)方法


1

2

3

4

5

6

7

8

import requests

import json

response = requests.get("http://httpbin.org/get")

print(type(response.text))

print(response.json())

print(json.loads(response.text))

print(type(response.json())

  

  获取二进制数据

  在上面提到了response.content,这样获取的数据是二进制数据,同样的这个方法也可以用于下载图片以及
  视频资源

  添加header

  首先说,为什么要加header(头部信息)呢?例如下面,我们试图访问知乎的登录页面(当然大家都你要是不登录知乎,就看不到里面的内容),我们试试不加header信息会报什么错。


1

2

3

4

5

6

import requests

url = ‘https://www.zhihu.com/‘

response = requests.get(url)

response.encoding = "utf-8"

print(response.text)

  结果:

  提示发生内部服务器错误(也就说你连知乎登录页面的html都下载不下来)。


1

2

3

<html><body><h1>500 Server Error</h1>

An internal server error occured.

</body></html>

  

  如果想访问就必须得加headers信息。

  


1

2

3

4

5

6

7

8

import requests

url = ‘https://www.zhihu.com/‘

headers = {

    ‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 Safari/537.36‘

}

response = requests.get(url,headers=headers)

print(response.text)

  

  基本post请求:

  通过post把数据提交到url地址,等同于一字典的形式提交form表单里面的数据


1

2

3

4

5

6

7

8

9

import requests

url = ‘http://httpbin.org/post‘

data = {

    ‘name‘:‘jack‘,

    ‘age‘:‘23‘

    }

response = requests.post(url,data=data)

print(response.text)

  结果:


1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

{

  "args": {},

  "data": "",

  "files": {},

  "form": {

    "age""23",

    "name""jack"

  },

  "headers": {

    "Accept""*/*",

    "Accept-Encoding""gzip, deflate",

    "Connection""close",

    "Content-Length""16",

    "Content-Type""application/x-www-form-urlencoded",

    "Host""httpbin.org",

    "User-Agent""python-requests/2.13.0"

  },

  "json": null,

  "origin""118.144.137.95",

  "url""http://httpbin.org/post"

}

  

  响应:


1

2

3

4

5

6

7

8

9

10

11

12

13

import requests

response = requests.get("http://www.baidu.com")

#打印请求页面的状态(状态码)

print(type(response.status_code),response.status_code)

#打印请求网址的headers所有信息

print(type(response.headers),response.headers)

#打印请求网址的cookies信息

print(type(response.cookies),response.cookies)

#打印请求网址的地址

print(type(response.url),response.url)

#打印请求的历史记录(以列表的形式显示)

print(type(response.history),response.history)

  内置的状态码:

 内置的状态码


1

2

3

4

5

6

7

8

9

10

11

12

import requests

response = requests.get(‘http://www.jianshu.com/404.html‘)

# 使用request内置的字母判断状态码

#如果response返回的状态码是非正常的就返回404错误

if response.status_code != requests.codes.ok:

    print(‘404‘)

#如果页面返回的状态码是200,就打印下面的状态

response = requests.get(‘http://www.jianshu.com‘)

if response.status_code == 200:

    print(‘200‘)

  

 request的高级操作

  文件上传


1

2

3

4

5

import requests

url = "http://httpbin.org/post"

files= {"files":open("test.jpg","rb")}

response = requests.post(url,files=files)

print(response.text)

  结果:

  获取cookie


1

2

3

4

5

import requests

response = requests.get(‘https://www.baidu.com‘)

print(response.cookies)

for key,value in response.cookies.items():

    print(key,‘==‘,value)

  

  会话维持

  cookie的一个作用就是可以用于模拟登陆,做会话维持


1

2

3

4

5

import requests

session = requests.session()

session.get(‘http://httpbin.org/cookies/set/number/12456‘)

response = session.get(‘http://httpbin.org/cookies‘)

print(response.text)

  

  

  证书验证

   1、无证书访问


1

2

3

4

import requests

response = requests.get(‘https://www.12306.cn‘)

# 在请求https时,request会进行证书的验证,如果验证失败则会抛出异常

print(response.status_code)

  报错:

  

  关闭证书验证


1

2

3

4

import requests

# 关闭验证,但是仍然会报出证书警告

response = requests.get(‘https://www.12306.cn‘,verify=False)

print(response.status_code)

  为了避免这种情况的发生可以通过verify=False,但是这样是可以访问到页面结果

  消除验证证书的警报


1

2

3

4

5

6

from requests.packages import urllib3

import requests

urllib3.disable_warnings()

response = requests.get(‘https://www.12306.cn‘,verify=False)

print(response.status_code)

  

  手动设置证书


1

2

3

4

import requests

response = requests.get(‘https://www.12306.cn‘, cert=(‘/path/server.crt‘‘/path/key‘))

print(response.status_code)

  

  代理设置

  1、设置普通代理


1

2

3

4

5

6

7

8

import requests

proxies = {

  "http""http://127.0.0.1:9743",

  "https""https://127.0.0.1:9743",

}

response = requests.get("https://www.taobao.com", proxies=proxies)

print(response.status_code)

  2、设置用户名和密码代理


1

2

3

4

5

6

7

import requests

proxies = {

    "http""http://user:[email protected]:9743/",

}

response = requests.get("https://www.taobao.com", proxies=proxies)

print(response.status_code)

   

  设置socks代理


1

安装socks模块 pip3 install ‘requests[socks]‘


1

2

3

4

5

6

7

8

import requests

proxies = {

    ‘http‘‘socks5://127.0.0.1:9742‘,

    ‘https‘‘socks5://127.0.0.1:9742‘

}

response = requests.get("https://www.taobao.com", proxies=proxies)

print(response.status_code)

  

    超时设置

通过timeout参数可以设置超时的时间


1

2

3

4

5

6

7

8

9

import requests

from requests.exceptions import ReadTimeout

try:

    # 设置必须在500ms内收到响应,不然或抛出ReadTimeout异常

    response = requests.get("http://httpbin.org/get", timeout=0.5)

    print(response.status_code)

except ReadTimeout:

    print(‘Timeout‘)

  

  认证设置

  如果碰到需要认证的网站可以通过requests.auth模块实现


1

2

3

4

5

6

import requests

from requests.auth import HTTPBasicAuth

<br>#方法一

= requests.get(‘http://120.27.34.24:9001‘, auth=HTTPBasicAuth(‘user‘‘123‘))<br>

#方法二<br>r = requests.get(‘http://120.27.34.24:9001‘, auth=(‘user‘, ‘123‘))

print(r.status_code)

  

  异常处理

  关于reqeusts的异常在这里可以看到详细内容:
      http://www.python-requests.org/en/master/api/#exceptions
  所有的异常都是在requests.excepitons中

  

  从源码我们可以看出RequestException继承IOError,
  HTTPError,ConnectionError,Timeout继承RequestionException
  ProxyError,SSLError继承ConnectionError
  ReadTimeout继承Timeout异常
  这里列举了一些常用的异常继承关系,详细的可以看:
      http://cn.python-requests.org/zh_CN/latest/_modules/requests/exceptions.html#RequestException

  

  通过下面的例子进行简单的演示


1

2

3

4

5

6

7

8

9

10

11

import requests

from requests.exceptions import ReadTimeout, ConnectionError, RequestException

try:

    response = requests.get("http://httpbin.org/get", timeout = 0.5)

    print(response.status_code)

except ReadTimeout:

    print(‘Timeout‘)

except ConnectionError:

    print(‘Connection error‘)

except RequestException:

    print(‘Error‘)

  首先被捕捉的异常是timeout,当把网络断掉的haul就会捕捉到ConnectionError,如果前面异常都没有捕捉到,最后也可以通过RequestExctption捕捉到

原文地址:https://www.cnblogs.com/peter200-OK/p/9058469.html

时间: 2024-11-05 16:05:39

python爬虫之requests的基本使用的相关文章

Python爬虫准备——requests和bs4安装

昨天想要写一下Python爬虫试试,但没想到导入的包并没有安装好.有两个这样的包,requests和bs4,requests是网络请求,bs4是html解析器. 那么接下来就说一下如何安装这两个包 一.用指令安装(pip install ……) 大体上来说就是,打开DOS(命令提示符),进入到你安装Python环境的目录下,找到Scripts目录并进入,然后执行指令 进入DOS有两种方法: 1.Win+R,输入cmd 然后点击确定即可进入 2.Win+S,打开搜索框,搜索cmd并进入 进入以后,

Python爬虫之-Requests

Requests模块 Python标准库中提供了:urllib.urllib2.httplib等模块以供Http请求,但是,它的 API 太渣了. 它是为另一个时代.另一个互联网所创建的.它需要巨量的工作,甚至包括各种方法覆盖,来完成最简单的任务. Requests 是使用 Apache2 Licensed 许可证的 基于Python开发的HTTP 库,其在Python内置模块的基础上进行了高度的封装; 从而使得Pythoner进行网络请求时,变得方便了许多,使用Requests可以轻而易举的完

python爬虫之requests库

requests库介绍 发送http请求的第三方库,兼容python2和python3 安装: pip install requests 使用: import requests发送请求response = requests.get(url)response = requests.post(url) 响应内容请求返回的值是一个response对象,是对http协议服务端返回数据的封装response对象主要属性和方法: response.status_code  返回码  response.hea

python爬虫之requests+selenium+BeautifulSoup

前言: 环境配置:windows64.python3.4 requests库基本操作: 1.安装:pip install requests 2.功能:使用 requests 发送网络请求,可以实现跟浏览器一样发送各种HTTP请求来获取网站的数据. 3.命令集操作: import requests # 导入requests模块 r = requests.get("https://api.github.com/events") # 获取某个网页 # 设置超时,在timeout设定的秒数时间

Python爬虫(使用requests)

import requests from lxml import etree url = "http://avdb.la/actor/" headers = {"User-Agent":'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.152 Safari/537.36'} html = requests.get(url,head

python爬虫之requests模块

一. 登录事例 a. 查找汽车之家新闻 标题 链接 图片写入本地 import requests from bs4 import BeautifulSoup import uuid response = requests.get( 'http://www.autohome.com.cn/news/' ) response.encoding = 'gbk' soup = BeautifulSoup(response.text,'html.parser') # HTML会转换成对象 tag = so

python爬虫之requests

基本 GET 请求 requrests.get(url)# 添加参数requests.get(url,params=payload) 基本 POST 请求 requests.post(url,data=payload) 其他类型的请求 r = requests.put(url) r = requests.delete(url) r = requests.head(url) r = requests.options(url) 添加 header requests.get(url,headers=h

python: 爬虫利器requests

requests并不是系统自带的模块,他是第三方库,需要安装才能使用 requests库使用方式 闲话少说,来,让我们上代码:简单的看一下效果: import requests requests = requests.session() headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:57.0) Gecko/20100101 Firefox/57.0' } url = "http://httpbin.o

【Python爬虫】Requests库的安装

1.按照普通的pip不能行,说find不能 有位小杰控的大牛说了一句:换一个国内的更新源吧, pip install requests -i http://pypi.douban.com/simple --trusted-host=pypi.douban.com 然后就好了! 原文地址:https://www.cnblogs.com/naraka/p/8994173.html