Python爬虫之requests库基本介绍

一、说明

requests是一个很实用的python http客户端库，爬虫和测试服务器响应数据时经常会用到，requests是python语言的第三方的库，专门用于发送http请求，使用起来比urllib简洁很多。

requests 有这些功能：

1、keep-alive & 连接池
2、国际化域名和 url
3、带持久 cookie 的会话
4、浏览器式的 ssl 认证
5、自动内容解码
6、基本/摘要式的身份认证
7、优雅的 key/value cookie
8、自动解压
9、unicode 响应体
10、http(s) 代理支持
11、文件分块上传
12、流下载
13、连接超时
14、分块请求
15、支持 .netrc
requests 支持 python 2.6—2.7以及3.3—3.7，而且能在 pypy 下完美运行。

用pip进行第三方库的安装

pip install requests

安装完成后import一下，正常则说明可以开始使用了。

二、基本用法：

1、requests.get()

用于请求目标网站，类型是一个httpresponse类型

import requests

response = requests.get('http://www.baidu.com')
print(response.status_code)  # 打印状态码
print(response.url)          # 打印请求url
print(response.headers)      # 打印头信息
print(response.cookies)      # 打印cookie信息
print(response.text)  #以文本形式打印网页源码
print(response.content) #以字节流形式打印
print(response.content.decode("utf-8")) #解决了通过response.text直接返回显示乱码的问题
response.encoding="utf-8" #避免乱码的问题发生

2、各种请求方式

import requests

requests.get('http://httpbin.org/get')
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')

3、基本的get请求

import requests

response = requests.get('http://httpbin.org/get')
print(response.text)

4、带参数的get请求

第一种直接将参数放在url内

import requests

response = requests.get(http://httpbin.org/get?name=gemey&age=22)
print(response.text)

另一种先将参数填写在dict中，发起请求时params参数指定为dict

import requests

data = {
    'name': 'tom',
    'age': 20
}
response = requests.get('http://httpbin.org/get', params=data)
print(response.text)

5、解析json

import requests

response = requests.get('http://httpbin.org/get')
print(response.text)
print(response.json())  #response.json()方法同json.loads(response.text)
print(type(response.json()))

如果 json 解码失败， 将会抛出 valueerror: no json object could be decoded 异常。而成功调用 response.json() 并不意味着响应的成功。有的服务器会在失败的响应中包含一个 json 对象（比如 http 500 的错误细节）。这种 json 会被解码返回。要检查请求是否成功，请使用 r.raise_for_status() 或者检查 response.status_code 是否和你的期望相同

6、保存一个二进制文件

二进制内容为response.content

import requests

response = requests.get('http://img.ivsky.com/img/tupian/pre/201708/30/kekeersitao-002.jpg')
b = response.content
with open('f://fengjing.jpg','wb') as f:
    f.write(b)

7、添加heads信息

import requests
heads = {}
heads['user-agent'] = 'mozilla/5.0 ' \
                          '(macintosh; u; intel mac os x 10_6_8; en-us) applewebkit/534.50 ' \
                          '(khtml, like gecko) version/5.1 safari/534.50'
 response = requests.get('http://www.baidu.com',headers=headers)

8、使用代理

同添加headers方法，代理参数也要是一个dict

这里使用requests库爬取了ip代理网站的ip与端口和类型

import requests
import re

def get_html(url):
    proxy = {
        'http': '120.25.253.234:812',
        'https': '163.125.222.244:8123'
    }
    heads = {}
    heads['user-agent'] = 'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/49.0.2623.221 safari/537.36 se 2.x metasr 1.0'
    req = requests.get(url, headers=heads,proxies=proxy)
    html = req.text
    return html

def get_ipport(html):
    regex = r'<td data-title="ip">(.+)</td>'
    iplist = re.findall(regex, html)
    regex2 = '<td data-title="port">(.+)</td>'
    portlist = re.findall(regex2, html)
    regex3 = r'<td data-title="类型">(.+)</td>'
    typelist = re.findall(regex3, html)
    sumray = []
    for i in iplist:
        for p in portlist:
            for t in typelist:
                pass
            pass
        a = t+','+i + ':' + p
        sumray.append(a)
    print('高匿代理')
    print(sumray)


if __name__ == '__main__':
    url = 'http://www.kuaidaili.com/free/'
    get_ipport(get_html(url))

9、基本post请求

import requests

data = {'name':'tom','age':'22'}

response = requests.post('http://httpbin.org/post', data=data)

10、获取cookie

import requests

response = requests.get('http://www.baidu.com')
print(response.cookies)
print(type(response.cookies))
for k,v in response.cookies.items():
    print(k+':'+v)

11、会话维持

import requests

session = requests.session()
session.get('http://httpbin.org/cookies/set/number/12345')
response = session.get('http://httpbin.org/cookies')
print(response.text)

11、证书验证设置

import requests
from requests.packages import urllib3

urllib3.disable_warnings()  #从urllib3中消除警告
response = requests.get('https://www.12306.cn',verify=false)  #证书验证设为false
print(response.status_code)

12、超时异常捕获

import requests
from requests.exceptions import readtimeout

try:
    res = requests.get('http://httpbin.org', timeout=0.1)
    print(res.status_code)
except readtimeout:
    print(timeout)

13、异常处理

在你不确定会发生什么错误时，尽量使用try…except来捕获异常

import requests
from requests.exceptions import readtimeout,httperror,requestexception

try:
    response = requests.get('http://www.baidu.com',timeout=0.5)
    print(response.status_code)
except readtimeout:
    print('timeout')
except httperror:
    print('httperror')
except requestexception:
    print('reqerror')

总结

到此这篇关于python爬虫之requests库基本介绍的文章就介绍到这了,更多相关python requests库内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！