• 技术文章 >Python技术 >Python爬虫

    Python之requests模块相关介绍

    爱喝马黛茶的安东尼爱喝马黛茶的安东尼2019-07-05 14:19:07原创19896
    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：

    1

    2

    $ 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

    2

    3

    4

    5

    6

    7

    import requests

     

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

     

    # 也可以这么写

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

    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

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16

    17

    18

    19

    20

    21

    22

    23

    import requests

     

    kw = {'wd':'贴吧'}

    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"}

      

    # 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()

    response = requests.get("http://www.baidu.com/s?", params = kw, headers = headers)

     

    # 查看响应内容，response.text 返回的是Unicode格式的数据

    print(response.text)

     

    # 查看响应内容，response.content返回的字节流数据

    print(response.content)

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

     

    # 查看完整url地址

    print(response.url)

     

    # 查看响应头部字符编码

    print(response.encoding)

     

    # 查看响应码

    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。

    相关推荐：《Python视频教程》

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16

    17

    18

    19

    import requests

     

    data = {

        "type": "11",

        "interval_id": "100:90",

        "start": "0",

        "limit": "2"

    }

     

    url = "https://movie.douban.com/j/chart/top_list?"

     

    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"}

     

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

      

    print(response.text)

     

    # 如果是json文件可以直接显示

    print(response.json())

    运行结果：

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16

    17

    18

    19

    20

    21

    22

    23

    24

    25

    26

    27

    28

    [{"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

    2

    3

    4

    5

    6

    7

    8

    9

    import requests

     

    # 根据协议类型，选择不同的代理

    proxies = {

      "https": "http://27.191.234.69:9999",

    }

     

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

    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

    2

    3

    4

    5

    6

    7

    8

    import requests

     

    # 如果代理需要使用HTTP Basic Auth，可以使用下面这种格式：

    proxy = { "http": "user:password@27.191.234.69:9999" }

     

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

      

    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

    2

    3

    4

    5

    6

    7

    import requests

     

    auth = ('test', '123456')

     

    response = requests.get('http://27.191.234.69:9999', auth=auth)

     

    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

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    import requests

     

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

     

    # 7. 返回CookieJar对象:

    cookiejar = response.cookies

     

    # 8. 将CookieJar转为字典：

    cookiedict = requests.utils.dict_from_cookiejar(cookiejar)

     

    print (cookiejar)

     

    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

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16

    17

    18

    19

    20

    21

    import requests

     

    # 1. 创建session对象，可以保存Cookie值

    ssion = requests.session()

     

    # 2. 处理 headers

    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"}

      

    # 3. 需要登录的用户名和密码

    data = {"email": "562352353@qq.com", "password": "chen562352353"}

     

    # 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

    ssion.post("http://www.renren.com/PLogin.do", data=data)

      

    # 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

    response = ssion.get("http://www.renren.com/485439163")

      

    # 6. 打印响应内容

    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

    2

    3

    4

    5

    6

    7

    import requests

     

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

     

    # 也可以省略不写

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

    print(response.text)

    专题推荐：python 爬虫 requests
    上一篇：Python中的opener()方法是什么 下一篇：Python Scrapy安装

    相关文章推荐

    全部评论我要评论

    © 2021 Python学习网 苏ICP备2021003149号-1

  • 取消发布评论
    • 

    Python学习网

    首页 首页视频视频手册手册图文图文文章文章社区社区