爬虫复习

不想误导，若有错误，希望各位不吝指教！！

代理：proxies参数

格式：

1 proxies = {
2   "http": "http://12.34.56.79:9527",
3   "https": "http://12.34.56.79:9527",
4 }

私密代理：

1 # 如果代理需要使用HTTP Basic Auth，可以使用下面这种格式：
2 proxy = { "http": "xx:xx@xx:xx" }
3 proxy = { "http": "mr_mao_hacker:[email protected]:16816" }

拿cookies参数：

原理：

Cookie名字（Name）
Cookie的值（Value）
Cookie的过期时间（Expires/Max-Age）
Cookie作用路径（Path）
Cookie所在域名（Domain），
使用Cookie进行安全连接（Secure）。
​
前两个参数是Cookie应用的必要条件，另外，还包括Cookie大小（Size，不同浏览器对Cookie个数及大小限制是有差异的）。

 

格式：

1 # 7\. 返回CookieJar对象:
2 cookiejar = response.cookies
3 ​
4 # 8\. 将CookieJar转为字典：
5 cookiedict = requests.utils.dict_from_cookiejar(cookiejar)

session:

1 requests.session()
2 # 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
3 ssion.post("http://www.renren.com/PLogin.do", data = data)
4 ​
5 # 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
6 response = ssion.get("http://www.renren.com/410043129/profile")

处理HTTPS请求 SSL证书验证:

如果SSL证书验证不通过，或者不信任服务器的安全证书，则会报出SSLError

跳过 12306 的证书验证，把 verify 设置为 False 就可以正常请求了

1 1.r = requests.get("https://www.12306.cn/mormhweb/", verify = False)
2 2.
3 # 1. 导入Python SSL处理模块
4 import ssl
5 ​
6 # 2. 表示忽略未经核实的SSL证书认证
7 context = ssl._create_unverified_context()
8 r = requests.get("https://www.12306.cn/mormhweb/", context = context)

随机/添加获取User-Agent:

 1 #也可以通过调用Request.add_header() 添加/修改一个特定的header
 2 request.add_header("Connection", "keep-alive")
 3 ​
 4 ​
 5 ua_list = [
 6     "Mozilla/5.0 (Windows NT 6.1; ) Apple.... ",
 7     "Mozilla/5.0 (X11; CrOS i686 2268.111.0)... ",
 8     "Mozilla/5.0 (Macintosh; U; PPC Mac OS X.... ",
 9     "Mozilla/5.0 (Macintosh; Intel Mac OS... "
10 ]
11 ​
12 user_agent = random.choice(ua_list)
13 其他：

1.Handler处理器 和 自定义Opener

2.ProxyHandler处理器（代理设置）

3.cookiejar库 和 HTTPCookieProcessor处理器