Python 爬虫从入门到进阶之路(七)

释放双眼,带上耳机,听听看~!

本文目录

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:

$ 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 import requests
2 
3 response = requests.get(\"http://www.baidu.com/\")
4 
5 # 也可以这么写
6 # response = requests.request(\"get\", \"http://www.baidu.com/\")
7 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 import requests
 2 
 3 kw = {\'wd\':\'贴吧\'}
 4 
 5 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\"}
 6 
 7 # 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()
 8 response = requests.get(\"http://www.baidu.com/s?\", params = kw, headers = headers)
 9 
10 # 查看响应内容,response.text 返回的是Unicode格式的数据
11 print(response.text)
12 
13 # 查看响应内容,response.content返回的字节流数据
14 print(response.content)
15 print(response.content.decode(\"utf-8\"))
16 
17 # 查看完整url地址
18 print(response.url)
19 
20 # 查看响应头部字符编码
21 print(response.encoding)
22 
23 # 查看响应码
24 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。

 1 import requests
 2 
 3 data = {
 4     \"type\": \"11\",
 5     \"interval_id\": \"100:90\",
 6     \"start\": \"0\",
 7     \"limit\": \"2\"
 8 }
 9 
10 url = \"https://movie.douban.com/j/chart/top_list?\"
11 
12 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\"}
13 
14 response = requests.post(url, data = data, headers = headers)
15 
16 print(response.text)
17 
18 # 如果是json文件可以直接显示
19 print(response.json())

运行结果:

[{\"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 import requests
2 
3 # 根据协议类型,选择不同的代理
4 proxies = {
5   \"https\": \"http://27.191.234.69:9999\",
6 }
7 
8 response = requests.get(\"http://www.baidu.com\", proxies = proxies)
9 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 import requests
2 
3 # 如果代理需要使用HTTP Basic Auth,可以使用下面这种格式:
4 proxy = { \"http\": \"user:password@27.191.234.69:9999\" }
5 
6 response = requests.get(\"http://www.baidu.com\", proxies = proxy)
7 
8 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 import requests
2 
3 auth = (\'test\', \'123456\')
4 
5 response = requests.get(\'http://27.191.234.69:9999\', auth=auth)
6 
7 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 import requests
 2 
 3 response = requests.get(\"http://www.baidu.com/\")
 4 
 5 # 7. 返回CookieJar对象:
 6 cookiejar = response.cookies
 7 
 8 # 8. 将CookieJar转为字典:
 9 cookiedict = requests.utils.dict_from_cookiejar(cookiejar)
10 
11 print (cookiejar)
12 
13 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 import requests
 2 
 3 # 1. 创建session对象,可以保存Cookie值
 4 ssion = requests.session()
 5 
 6 # 2. 处理 headers
 7 headers = {
 8     \"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\"}
 9 
10 # 3. 需要登录的用户名和密码
11 data = {\"email\": \"562352353@qq.com\", \"password\": \"chen562352353\"}
12 
13 # 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
14 ssion.post(\"http://www.renren.com/PLogin.do\", data=data)
15 
16 # 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
17 response = ssion.get(\"http://www.renren.com/485439163\")
18 
19 # 6. 打印响应内容
20 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 import requests
2 
3 response = requests.get(\"https://www.baidu.com/\", verify=True)
4 
5 # 也可以省略不写
6 # response = requests.get(\"https://www.baidu.com/\")
7 print(response.text)

 

给TA打赏
共{{data.count}}人
人已打赏
随笔日记

论坛报道 |“开放与融合”第八届城市建筑文化论坛圆满举办

2020-11-9 5:36:29

随笔日记

如何使用Vue.js来搭建一个后台管理系统

2020-11-9 5:36:31

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索