爬虫入门：requests库初步理解

**

一、request库下载

方法一：
按住“win”+“R”打开运行输入“cmd”

输入"pip install requests"等待下载结束即可

安装python第三方库的时候安装不上。并且出现提示说 You should considerupgrading via the ‘python -m pip install --upgrade pip’ command.

输入python -m pip install --upgrade pip命令升级pip版本。
如果仍未解决，参见（另一位博主方法）
链接: link.
“https://blog.csdn.net/sinat_34546420/article/details/89508220”
方法二：
通过pycharm下载（2019版）
通过pycharm打开设置
选择要安装的编译器，点击“+”
输入requests，搜索后点击“Install Package”，等待下载完成

注：安装检验是否成功最简单为输入“import requests”时无报错出现

**

二、requests库基本使用

1、建立一个新py文件

代码：

# 导入requests第三方库
import requests

# 把百度首页的html源码抓取到本地，用变量保存
response = requests.get("http://www.baidu.com/")

# 输出获取到的html源码
print(type(response.content))
print(response.content)

运行结果如下：
代码：

# 导入requests第三方库
import requests

# 把百度首页的html源码抓取到本地，用变量保存
response = requests.get("http://www.baidu.com/")

# 输出获取到的html源码
print(response.text)

运行结果如下：

注：response.text和response.content的区别：
1.response.content：这个是直接从网路上面抓取的数据。没有经过任何解码。所以是一个bytes类型。其实是在硬盘上和在网络上传输的字符串都是bytes类型。
2.response.text：这个是str的数据类型，是requests库将response.content进行解码字符串，解码需要指定一个编码方式，requests会根据自己的猜测来判断编码的方式。所以有时候可能会猜测错误，就会导致编码乱码。这时候就应使用response.content,decode(‘utf-8’)进行手动解码。

2、发送GET、POST请求：

2.1 、GET请求：

最简单的发送get请求就是通过requests.get来调用：

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

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。相关示例代码如下：

import requests

 kw = {'wd':'中国'}

 headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 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)

 # 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)
;

2.2、POST请求：

最基本的POST请求可以使用post方法：

response = requests.post("http://www.baidu.com/",data=data)

传入data数据：
这时候就不要再使用urlencode进行编码了，直接传入一个字典进去就可以了。比如请求拉勾网的数据的代码：

import requests

url = "http://www.renren.com/PLogin.do"
data = {"email":"[e-mail]",'password':"pythonspider"}
headers = {
    'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36"
}

# 登录
session = requests.session()
session.post(url,data=data,headers=headers)

# 访问大鹏个人中心
resp = session.get('http://www.renren.com/880151247/profile')

print(resp.text)

3、cookie：

如果在一个响应中包含了cookie，那么可以利用cookies属性拿到这个返回的cookie值：

import requests

url = "http://www.renren.com/PLogin.do"
data = {"email":"[e-mail]",'password':"pythonspider"}
resp = requests.get('http://www.baidu.com/')
print(resp.cookies)
print(resp.cookies.get_dict())

4、session：

之前使用urllib库，是可以使用opener发送多个请求，多个请求之间是可以共享cookie的。那么如果使用requests，也要达到共享cookie的目的，那么可以使用requests库给我们提供的session对象。注意，这里的session不是web开发中的那个session，这个地方只是一个会话的对象而已。还是以登录人人网为例，使用requests来实现。示例代码如下：

import requests

url = "http://www.renren.com/PLogin.do"
data = {"email":"[e-mail]",'password':"pythonspider"}
headers = {
    'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36"
}

# 登录
session = requests.session()
session.post(url,data=data,headers=headers)

# 访问大鹏个人中心
resp = session.get('http://www.renren.com/880151247/profile')

print(resp.text)

5、处理不信任的SSL证书：

对于那些已经被信任的SSL整数的网站，比如https://www.baidu.com/，那么使用requests直接就可以正常的返回响应。示例代码如下：

resp = requests.get('http://www.12306.cn/mormhweb/',verify=False)
print(resp.content.decode('utf-8'))

本文地址：https://blog.csdn.net/qq_45826084/article/details/107433438