首先给大家道歉,很长一段时间没有写文章了。
今天我们继续学习爬虫的课程,之前我们接触了urllib,urllib2的方法应用。其实在现在的市场上,urllib的方法已经很少使用,但是作为新手入门是个很好的切入点,为学习之后的知识点做铺垫。客气话少说,直接开撸。
Requests: 让HTTP为人类服务
Requests 唯一的一个非转基因的 Python HTTP 库,人类可以安全享用。
警告:非专业人员使用其他 HTTP 库会导致危险的副作用,其中包括:安全缺陷症、冗余代码症、重新发明轮子症、啃文档症、抑郁、头疼、甚至死亡(如有生命危险,概不负责)。诺,这就是 Requests 的威力,当然这也是python库的威力(python库是最多的,其他语言无法比拟的)。
ok,让我们先看一下Requests的简单案例:
import requests
print(requests.get("http://www.baidu.com").text)
上面简写的代码就可以完成爬取百度源码的任务,是不是超乎你的想象。下面就让我们开水学习requests。
一、安装requests
我们是在windows下面运行,按Ctrl+R打开命令行,输入cmd回车
之后在命令行输入pip install requests。稍等片刻,就可以肆无忌惮的使用这个库。
二、requests的使用
1、requests的各种请求方法
import requests
requests.get("http://www.baidu.com")
requests.post("http://www.baidu.com")
requests.delete("http://www.baidu.com")
requests.put("http://www.baidu.com")
requests.head("http://www.baidu.com")
requests.options("http://www.baidu.com")
1.1、GET请求
1.1.1无参数GET请求
import requests
response = requests.get("http://www.baidu.com")
print(response.text)
向url发送请求,得到响应数据,在上述例子中get方法里面只有url参数。
1.1.2、带参数GET请求
- 1、请求参数在url中
比如,我们在百度搜索框输入黄鹂,想要得到搜索后的数据
import requests
response = requests.get("http://www.baidu.com/s?ie=utf-8&wd=黄鹂")
print(response.text)
OK,这就是把参数直接放入url中。
- 2、请求体包含参数
首先先将参数包含在dict中,发起请求参数时param参数指定为dict。
import requests
param = {
"wd": "黄鹂"
}
response = requests.get("http://www.baidu.com/s?", params = param)
print(response.text)
结果同上,上述就可以得到我们想要的数据
1.2 POST请求
1.2.1 发送表单格式的数据
import requests
param = {
"wd": "黄鹂"
}
response = requests.post("http://www.baidu.com/s?", data = param)
print(response.text)
1.2.2 发送JSON数据
import requests, json
param = {
"wd": "黄鹂"
}
response = requests.post("http://www.baidu.com/s?", data = json.dumps(param))
print(response.text)
1.2.3 发送文件数据
import requests, json
file = {
"file": open("huangliniao.jpg", "rb")
}
response = requests.post("http://image.baidu.com/?fr=shitu",files = file)
print(response.text)
1.3 获取数据的格式
import requests
response = requests.get("http://httpbin.org/get")
#输出文本数据
print(response.text)
#输出二进制数据
print(response.content)
#输出json数据
print(response.json())
举个栗子(爬取刘亦菲图片并保存到本地)
import requests
response = requests.get("http://i.shangc.net/2017/1231/20171231023951903.jpg")
print(response.content)
with open("liuyifei.jpg", "wb") as f:
f.write(response.content)
1.4 设置headers
import requests
# 设置User-Agent浏览器信息
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"
}
# 设置请求头信息
response = requests.get('https://www.jianshu.com/u/d5030633f94a', headers=headers)
#print(response.text)
with open("jianshu.html", "wb") as f:
f.write(response.content)
1.5 获取和发送cookies
1.5.1 获取有道翻译cookies值
import requests
response = requests.get("http://fanyi.youdao.com")
for i in response.cookies:
print(i.name + "--" + i.value)
1.5.2 发送cookies到 有道翻译
import requests
url = "http://fanyi.youdao.com"
cookies = {"i.name":"i.value"}
response1 = requests.get(url = url, cookies = cookies)
print(response1.text)
当然上述两段代码可以在同一个文件下运行
1.6 session会话保存
import requests
session = requests.Session()
session.get('http://httpbin.org/cookies/set/number/12345')
response = session.get('http://httpbin.org/cookies')
print(response.text)
1.7 设置代理
1.7.1 普通代理
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.read())
1.7.2 账号密码代理
import requests
proxies = {
"http": "http://user:[email protected]:9743/",
}
response = requests.get("https://www.taobao.com", proxies=proxies)
print(response.read())
1.7.3 设置socks代理
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)
status_code 的意思是状态码,表示相应的状态
1.8 异常处理
import requests
from requests.exceptions import ReadTimeout, ConnectionError, RequestException
try:
response = requests.get("http://www.baidu.com", timeout=0.5)
print(response.status_code)
except ReadTimeout:
# 超时异常
print('Timeout')
except ConnectionError:
# 连接异常
print('Connection error')
except RequestException:
# 请求异常
print('Error')