爬虫—Requests高级用法

Requests高级用法

1.文件上传

　　我们知道requests可以模拟提交一些数据。假如有的网站需要上传文件，我们也可以用requests来实现。

import requests

files = {'file': open('favicon.ico', 'rb')}
res = requests.post('http://httpbin.org/post', files=files)
print(res.text)

　　上一篇博客中，我们保存了一个favicon.ico文件，这次用它来模拟文件上传的过程。favicon.ico文件需要和当前脚本在同一目录下，运行结果如下：

{
  "args": {}, 
  "data": "", 
  "files": {
    "file": "data:application/octet-stream;base64,AAABAAIAEBAAAAEAIAAoBQAAJgAAACAgAAABACAAKBQAAE4FAAA......AAAAAAA="
  }, 
  "form": {}, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "6665", 
    "Content-Type": "multipart/form-data; boundary=f03eff231fa14cfbbd7ef2cd51bae3b6", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.18.4"
  }, 
  "json": null, 
  "origin": "183.129.61.15, 183.129.61.15", 
  "url": "https://httpbin.org/post"
}

　　以上在files字段中省略了部分内容，这个网站会返回响应，里面包含files字段，而form字段为空，这说明文件上传会使用单独的字段来标识。

2.Cookies

　　先用一个示例查看获取Cookies的过程：

# 获取Cookies
res = requests.get('http://www.baidu.com')
print(res.cookies)
for k, v in res.cookies.items():
    print(k + ":" + v)

　　结果如下：

for .baidu.com/>]>
BDORZ:27315

　　这里调用cookies属性即可获取到Cookies，可以发现它是一个RequestsCookieJar类型，使用items（）方法将其转化为元祖组成的列表，遍历输出每一个Cookies的名称和值，实现Cookies的遍历解析。

　　当然，我们也可以使用Cookies来维持登陆状态，下面以百度个人中心为例。首先登录百度个人中心，将Headers中的Cookies内容复制下来：

 　    　　   

　　可以替换成 你自己的Cookie,将其设置到Headers里面，然后在发送请求：

# 设置cookie，发送请求
headers = {
    'Cookie': 'BIDUPSID=EDBD62A1D608B5CDC72B06CA0C59680A; PSTM=1546959880; BDUSS=BCSHh3OVMtTW5XUnB6SEF4UFExUFhPRUc5Ty1sV'
              'FRkRERvRWZ3bE9sWlN2Y0ZjQVFBQJCQAAAAAAAAAAAEAAABW7900TGltaXTSwcrW1drM7AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA'
              'AAAAAAAAAAAAAAAAAAAAAAAAAAAAAFIwmlxSMJpcV3; MCITY=-340%3A; BAIDUID=5C140375092D783C088CEA7282B89772'
              ':FG=1; delPer=0; PSINO=5; BDRCVFR[bLbo9QmdyQn]=aeXf-1x8UdYcs; BDORZ=FFFB88E999055A3F8A630C64834BD6D0; '
              'H_PS_PSSID=1427_21108_29064_28519_29099_28831_28585_22157; PHPSESSID=63vpocfpukn41u0h1nolsluq95; '
              'Hm_lvt_4010fd5075fcfe46a16ec4cb65e02f04=1558949858; Hm_lpvt_4010fd5075fcfe46a16ec4cb65e02f04=1558949858',
    'Host':'i.baidu.com'
}
res = requests.get('http://i.baidu.com/', headers=headers)
print(res.text)

　　结果如下：

    "UTF-8">
    
    
    "description" content="百度个人中心是百度用户管理个性化信息的平台，在这里，您可以体验贴吧的交流、知道的解答、百科的全面、空间的个性、云盘的强大……感受百度为您带来的方便、快捷与乐趣。">
    "keywords" content="个人中心,个人主页,个人帐号,个人空间">
    
    "shortcut icon" type="image/ico" href="http://www.baidu.com/favicon.ico" />
    "stylesheet" href="http://uc-vs.bdimg.com/v4/20181107x2/dep/font-awesome/4.0.3/less/font-awesome.css">
    
    "stylesheet" href="http://uc-vs.bdimg.com/v4/20181107x2/asset/home/css/main.css">

    
    
    "http://uc-vs.bdimg.com/v4/20181107x2/dep/respond/1.3.0/respond-proxy.html" id="respond-proxy" rel="respond-proxy" />
    "http://i.baidu.com/static/respond/respond.proxy.gif" id="respond-redirect" rel="respond-redirect" />
    

    



class="result-op">
    
class="main-wrap">
        
'{"mod":"header"}'>
            
class="header-stackup" data-scroll-reveal="enter from the top over 0.66s">
                
class="ibx-container row clr">
                    "/" target="_self" class="header-logo header-logo-index">
                    
class="header-tool header-tool-user">
                        class="header-tu-img header-tool-user-nick" href="javascript:;" />
                            Limit伊手遮天
                        
                        
class="header-tc-content">
                            class="header-tc-ct-bg">
                            
class="header-user-menu-list">
                                
class="header-user-menu-item">
                                    '{"act":"h_history"}' href="/my/history">
                                        搜索记录
                                    
                                
                                
class="header-user-menu-item">
                                    '{"act":"h_cal"}' href="/my/cal">
                                        我的日历
                                    
                                
                                
class="header-user-menu-item">
                                    '{"act":"h_favorite"}' href="/my/collect">
                                        我的收藏
                                    
                                
                                
class="header-user-menu-item">
                                    '{"act":"h_jubao"}' href="/my/jubao">
                                        我的举报
                                    
                                
                                                                
class="header-user-menu-item">
                                    '{"act":"h_hb"}' target="_blank"  href="https://www.baifubao.com/user/0/my_bfb/0">
                                        我的钱包
                                    
                                
                                                            
                            class="header-tuc-logout" href="http://passport.baidu.com/?logout&u=http://i.baidu.com/welcome/">退出帐号
                        
                    
                    
class="header-tool header-tool-config">
                        "/my/allconf/#newsconf" class="header-tool-conf-link">设置
                        
class="header-tc-content">
                            class="header-tc-ct-bg">
                            class="header-tcc-account" target="_blank" href="http://passport.baidu.com/center">帐号设置
                            class="header-tcc-search" href="/my/allconf/#newsconf">消息设置
                        
                    
                    
class="header-tool header-tool-cal">
                        '{"act":"cal_click"}' href="/my/cal" class="header-tool-cal-link">
                            日历
                        
                        class="header-tool-cal-bg">
                        
class="header-tc-content">
                            class="header-tc-ct-bg">
                        
                    

                    
class="header-tool header-tool-news">
                        "/msg/messages/list/" class="header-tool-news-num">消息
                        
class="header-tc-content">
                            class="header-tc-ct-bg">
                            
class="news-header">数据加载中。。。
                        
                    
                    
class="header-tool header-tool-ps">
                        "https://www.baidu.com" target="_blank"/>百度首页
                    

                
            
        
        
"enter from the top over 0.66s" class="header-app ibx-container" data-click='{"mod":"header"}'>
            
class="ibx-header-app clr">
                
class="ibx-header-app-item">
                    
class="ibx-hai-title ibx-hai-tool">工具
                
                
class="ibx-header-app-item clr">
                    class="ibx-hai-link">'{"act":"sousuo"}' target="_blank" href="http://www.baidu.com?fr=ibaidu">搜索
                    class="ibx-hai-link">"/my/collect">收藏
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"wangpan"}' target="_blank" href="http://pan.baidu.com/disk/home?fr=ibaidu">云盘
                    class="ibx-hai-link">"/my/cal">日历
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"yingyin"}' target="_blank" href="http://player.baidu.com/yingyin.html">影音
                    class="ibx-hai-link">'{"act":"fanyi"}' target="_blank" href="http://fanyi.baidu.com?fr=ibaidu">翻译
                
                

                
class="ibx-header-app-item">
                    
class="ibx-hai-space">
                
                
class="ibx-header-app-item">
                    
class="ibx-hai-title ibx-hai-sns">社区
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"tieba"}' target="_blank" href="http://tieba.baidu.com/home/main?un=Limit伊手遮天&fr=ibaidu&ie=utf-8">贴吧
                    class="ibx-hai-link">'{"act":"baike"}' target="_blank" href="http://baike.baidu.com/usercenter?fr=ibaidu">百科
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"zhidao"}' target="_blank" href="http://zhidao.baidu.com/uhome?fr=ibaidu">知道
                    class="ibx-hai-link">'{"act":"wenku"}' target="_blank" href="http://wenku.baidu.com/user/index?fr=ibaidu">文库
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"jingyan"}' target="_blank" href="http://jingyan.baidu.com/user/nuc">经验
                
                
class="ibx-header-app-item">
                    
class="ibx-hai-space">
                
                
class="ibx-header-app-item">
                    
class="ibx-hai-title ibx-hai-life">生活
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"ditu"}' target="_blank" href="http://map.baidu.com?fr=ibaidu">地图
                    class="ibx-hai-link">'{"act":"licai"}' target="_blank" href="https://licai.baidu.com/user/0/center/0?fr=ibaidu">理财
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"tuangou"}' target="_blank" href="http://www.nuomi.com/?cid=002544&fr=ibaidu">团购
                    class="ibx-hai-link">'{"act":"baifubao"}' target="_blank" href="http://baifubao.baidu.com/jump?uri=/user/0/my_bfb/0&fr=ibaidu">钱包
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"lvyou"}' target="_blank" href="http://lvyou.baidu.com/user/?fr=ibaidu">旅游
                    class="ibx-hai-link">'{"act":"education"}' target="_blank" href="http://www.chuanke.com/?fr=ibaidu">教育
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"waimai"}' target="_blank" href="http://waimai.baidu.com/waimai?qt=find&fr=ibaidu">外卖
                
                
class="ibx-header-app-item">
                    
class="ibx-hai-space">
                
                
class="ibx-header-app-item">
                    
class="ibx-hai-title ibx-hai-fun">娱乐
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"news"}' target="_blank" href="http://news.baidu.com?fr=ibaidu">新闻
                    class="ibx-hai-link">'{"act":"games"}' target="_blank" href="http://youxi.baidu.com/my_game_center.xhtml?fr=ibaidu">游戏
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"video"}' target="_blank" href="http://v.baidu.com/user/?fr=ibaidu">视频
                    class="ibx-hai-link">'{"act":"music"}' target="_blank" href="http://play.baidu.com/?fr=ibaidu">音乐
                
                
class="ibx-header-app-item">
                    
class="ibx-hai-space">
                
                
class="ibx-header-app-item">
                    
class="ibx-hai-title ibx-hai-v">诚信
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">'{"act":"baozhang"}' target="_blank" href="http://baozhang.baidu.com/guarantee?fr=ibaidu">网民权益保障
                    class="ibx-hai-link">'{"act":"koubei"}' target="_blank" href="http://koubei.baidu.com/truth/wall">口碑
                
                
class="ibx-header-app-item">
                    class="ibx-hai-link">"javascript:;"> 
                    class="ibx-hai-link">'{"act":"jubao"}' href="/my/jubao">举报
                
            
        
        
class="ibx-container row">
            
            
class="row user-panel">
                
class="col span_5_1">
                    
"ibx-uc" data-click='{"mod":"uc"}'>
                        
class="ibx-inner">
                            
class="ibx-uc-uimg">
                                
class="ibx-uc-uimg-mask">
                                    '{"act":"uc_set"}' class="ibx-uc-ulink" target="_blank" href="http://www.baidu.com/p/setting/profile/portrait">更换头像
                                
                                class="ibx-uc-img" src="http://himg.bdimg.com/sys/portrait/item/56ef4c696d6974e4bc8ae6898be981aee5a4a9dd34.jpg" />
                                
                            
                            
class="ibx-uc-unick">
                                '{"act":"uc_name"}' target="_blank" href="http://www.baidu.com/p/setting/profile/basic" class="ibx-uc-nick">Limit伊手遮天
                                
                            
 
                            
class="ibx-uc-utool">
                                class="ibx-uc-utool-cover">
                                class="ibx-uc-utool-cover ibx-uc-utool-cover-mask">
                                
class="ibx-uc-utool-title">认证 :
                                
class="ibx-uc-utool-content clr">
                                    '{"act":"icon_mobile"}' class="ibx-uc-utool-mobile current" 
                                        target="_blank" href="http://passport.baidu.com/center" data-title="绑定手机">
                                    
                                    '{"act":"icon_email"}' class="ibx-uc-utool-envelope current" target="_blank" href="http://passport.baidu.com/center" data-title="绑定邮箱">
                                    
                                
                            
 
                            
class="ibx-uc-uop">
                                
class="ibx-uc-uop-item first">
                                    '{"act":"uc_dingdan"}' target="_blank" href="http://dingdan.baidu.com/my/order/" title="订单中心">
                                        订单中心
                                    
                                
                                
class="ibx-uc-uop-item">
                                    '{"act":"uc_setting"}' target="_blank" href="http://passport.baidu.com" title="帐户设置">
                                        帐户设置
                                    
                                
                            
 
                        
                    
                
                
class="col span_5_4">
                    
"ibx-cal" data-click='{"mod":"cal"}'>
                        
class="ibx-inner" id="ibx-cal-content">
                            
                        
                    
                
                
            

                                    
class="row card-panel" data-click='{"mod": "card_video"}'>
                class="rule-wrap">"video" name="video" class="rule">
                
class="col span_4_4">
                    
class="ibx-even">
                        
class="ibx-inner" id="ibx-mod-video">
                        
                    
                
            
                                    
class="row card-panel" data-click='{"mod": "card_nuomi"}'>
                class="rule-wrap">"nuomi" name="nuomi" class="rule">
                
class="col span_4_4">
                    
class="ibx-even">
                        
class="ibx-inner" id="ibx-mod-nuomi">
                        
                    
                
            
                                    
class="row card-panel" data-click='{"mod": "card_lvyou"}'>
                class="rule-wrap">"lvyou" name="lvyou" class="rule">
                
class="col span_4_4">
                    
class="ibx-even">
                        
class="ibx-inner" id="ibx-mod-lvyou">
                        
                    
                
            
                        
            
class="row card-panel">
                                
class="col span_4_2" data-click='{"mod": "card_zhidao"}'>
                    class="rule-wrap">"zhidao" name="zhidao" class="rule">
                    
class="ibx-odd">
                        
"ibx-mod-zhidao" class="ibx-inner ibx-mod-zhidao">

                        
                    
                
                                
class="col span_4_2" data-click='{"mod": "card_baifubao"}'>
                    class="rule-wrap">"baifubao" name="baifubao" class="rule">
                    
class="ibx-odd">
                        
"ibx-mod-baifubao" class="ibx-inner ibx-mod-baifubao">

                        
                    
                
                                
class="col span_4_2" data-click='{"mod": "card_koubei"}'>
                    class="rule-wrap">"koubei" name="koubei" class="rule">
                    
class="ibx-odd">
                        
"ibx-mod-koubei" class="ibx-inner ibx-mod-koubei">

                        
                    
                
                                                
class="col span_4_2 OP_LOG_LINK" data-click='{"mod":"card_mgr","act":"msg_click"}'>
                    
class="ibx-even editCard">
                        
class="ibx-inner editCard-inner">
                            
class="editCard-inner-add">
                            
class="editCard-inner-tip">添加卡片
                        
                    
                
                            

        

        
class="row" data-click='{"mod":"footer"}'>
            ©2019 Baidu class="beforebd" href="http://www.baidu.com/duty/">使用百度前必读 京ICP证030173号
        

        
class="ibx-advice">
            class="ibx-advice-logo" href="javascript:;">
            
class="ibx-advice-ctx">意见反馈
        
        
'{"mod":"card_mgr","act":"msg_click"}' class="ibx-manage">
            class="ibx-manage-logo" href="javascript:;">
            
class="ibx-manage-ctx OP_LOG_OTHERS">卡片管理
        
        
class="back-to-top-wrap" data-click='{"mod":"back-to-top","act":"back-to-top-link"' >
            class="back-to-top" href="javascript:;">
        
        
class="ibx-card-manage" data-click='{"mod":"card_mgr"}'>
            
class="ibx-cm-mask">
            
class="ibx-cm-main">
                
class="ibx-cm-main-title clr">
                    
class="ibx-cm-main-title-ctx">卡片管理
                    "javascript:;" class="ibx-cm-main-close" title="关闭">
                
                
class="ibx-cm-main-add">
                    
class="ibx-cm-main-add-ctx">
                        class="ibx-cm-main-adding-ctx">可添加
                    
                    
class="ibx-cmm-add-list">
                                                
class="ibx-cmm-add-item default">
                            无可添加卡片
                        
                    
                
                
class="ibx-cm-main-added">
                    
class="ibx-cm-main-add-ctx">
                        class="ibx-cm-main-added-ctx">已添加
                    
                    
class="ibx-cmm-add-list">
                                                
'{"act":"set_video"}'  class="ibx-cmm-add-item ibx-card-video" data-type="video">
                        
                                                
'{"act":"set_nuomi"}'  class="ibx-cmm-add-item ibx-card-nuomi" data-type="nuomi">
                        
                                                
'{"act":"set_lvyou"}'  class="ibx-cmm-add-item ibx-card-lvyou" data-type="lvyou">
                        
                                                                        
'{"act":"set_zhidao"}'  class="ibx-cmm-add-item ibx-card-zhidao" data-type="zhidao">
                        
                                                
'{"act":"set_baifubao"}'  class="ibx-cmm-add-item ibx-card-baifubao" data-type="baifubao">
                        
                                                
'{"act":"set_koubei"}'  class="ibx-cmm-add-item ibx-card-koubei" data-type="koubei">
                        
                                                
class="ibx-cmm-add-item default">
                            无已添加卡片
                        
                    
                
            
        
    
    
    






Process finished with exit code 0

View Code

　　我们发现结果中包含了登录后页面显示内容，那么就证明登陆成功了。还有一种方法是构造RequestsCookieJar对象来设置cookie参数，相对繁琐，效果与上面的方法一样，就不多作介绍了。

3.会话维持

　　在requests中，直接使用get()或post()方法确实可以做到模拟网页的请求，但是这实际上是两个不同的会话，相当于用了两个浏览器打开不同的页面。会话维持相当于打在原来的浏览器上新开了一个页面，这样就不用每次取设置cookies了——这就是Session对象。　　

# Session对象
requests.get('http://httpbin.org/cookies/set/num/123456')
res = requests.get('http://httpbin.org/cookies')
print(res.text)

　　这里我们请求了一个测试网站，设置了一个Cookie，名称为num，内容为123456，之后又发起了请求，获取Cookies。结果如下：

{
  "cookies": {}
}

　　这样并不能获取到Cookies，我们再使用Session对象试试：

session = requests.Session()
session.get('http://httpbin.org/cookies/set/num/123456')
res = session.get('http://httpbin.org/cookies')
print(res.text)

　　运行结果：

{
  "cookies": {
    "num": "123456"
  }
}

　　获取成功！利用Session可以做到同一个会话不用担心Cookies问题，可以用于模拟登陆成功之后进行下一步的操作。

4.代理设置

　　对于某些网站，在测试的时候请求几次，都能正常获取内容。一旦开始爬取，对于大规模的频繁请求，网站可能会弹出验证码，或者跳转到登陆认证，或者封禁IP，导致一定时间内无法访问。此时，就需要设置代理还解决这个问题，就要用到proxies参数。　　

# 代理设置
proxies = {
    'http': 'http://10.10.1.10:3308',
    'https': 'https://10.10.1.10:1080'
}
requests.get('http://www.baidu.com', proxies=proxies)

　　上面的代理肯定是无效的，可以更换有效代理再去尝试。

　　如果需要使用到HTTP Basic Auth,可以使用类似：http://user:password@host:port这样的语法来设置。

# HTTP Basic Auth设置
proxies = {
    'http': 'http://user:[email protected]:3308',
}
requests.get('http://www.baidu.com', proxies=proxies)

　　除了这些外，requests还支持socks协议的代理。需要先安装socks这个库

pip3 install requests[socks]

　　示例如下：

# socks代理设置
proxies = {
    'http': 'socks5://user:[email protected]:3308',
}
requests.get('http://www.baidu.com', proxies=proxies)

5.超时设置

　　我们也可以设置一个超时时间，即超过了这个时间还没有得到响应就报错。这就需要使用timeout参数了，这个时间计算是发出请求到服务器返回响应的时间。

# 超时设置
res = requests.get('http://www.baidu.com', timeout=1)
print(res.status_code)

　　实际上，请求分为两个阶段，连接（connect）和读取（read），上面设置的timeout是二者的时间的总和。如果要分别指出，可以传入一个元祖。

res = requests.get('http://www.baidu.com', timeout=(5, 20))

　　如果想永久等待，就可以直接设置timeout为None，或者不设置，默认是None。那么就永远不会返回超时错误。

6.身份认证

　　在访问网站时，我们可能会遇到需要身份认证的页面，需要输入用户名和密码登录的页面。此时可以使用requests自带的身份认证功能。

# 身份认证
from requests.auth import HTTPBasicAuth

res = requests.get('http://www.baidu.com', auth=HTTPBasicAuth('username', 'password'))
print(res.status_code)

运行结果：
200

　　当然，上面的代码可以直接简写成一个元祖。

res = requests.get('http://www.baidu.com', auth=('username', 'password'))

　　如果用户名和密码都正确的话，就会成功，返回200状态码。否则返回401状态码。

7.Prepared Request

　　将请求表示为数据结构，其中各个参数都可以通过一个Request对象来表示。这个数据结构就叫做Prepared Request。

# Prepared Request
from requests import Request, Session

url = 'http://httpbin.org/post'
data = {
    'name': 'rain'
}
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36'
}
se = Session()
req = Request('POST', url, data=data, headers=headers)  # 构造Request对象
pre = se.prepare_request(req)                           # 转换成Prepared Request对象
res = se.send(pre)
print(res.text)

　　这里引入了Request，然后使用url，data，headers参数构造了一个Request对象，之后需要再使用Session的prepared_request()方法将其转化为一个Prepared Request对象，最后调用send方法发送。

{
  "args": {}, 
  "data": "", 
  "files": {}, 
  "form": {
    "name": "rain"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "9", 
    "Content-Type": "application/x-www-form-urlencoded", 
    "Host": "httpbin.org", 
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36"
  }, 
  "json": null, 
  "origin": "183.129.61.15, 183.129.61.15", 
  "url": "https://httpbin.org/post"
}

　　这里可以看到from字段的值与我们data的值一致，这种方法同样达到了POST的请求效果。

　　有了这个Request对象，可以把请求当作独立的对象来看待，这样在进行队列调度时就会非常方便。后面我们会用它来构造一个Request队列。

转载于:https://www.cnblogs.com/zivli/p/10932168.html