python爬蟲之requests的基本使用

本文轉載自查看原文 2017-06-07 15:55 87071 python爬蟲

簡介

　　Requests是用python語言基於urllib編寫的，采用的是Apache2 Licensed開源協議的HTTP庫，Requests它會比urllib更加方便，可以節約我們大量的工作。

一、安裝

pip快速安裝

pip install requests

二、使用

　　1、先上一串代碼

import requests

response  = requests.get("https://www.baidu.com")
print(type(response))
print(response.status_code)
print(type(response.text))

response.enconding = "utf-8'
print(response.text)

print(response.cookies)

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

　　response.text返回的是Unicode格式，通常需要轉換為utf-8格式，否則就是亂碼。response.content是二進制模式，可以下載視頻之類的，如果想看的話需要decode成utf-8格式。
　　不管是通過response.content.decode("utf-8)的方式還是通過response.encoding="utf-8"的方式都可以避免亂碼的問題發生

　　2、一大推請求方式

import requests
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")

　　基本GET:

import requests

url = 'https://www.baidu.com/'
response = requests.get(url)
print(response.text)

　　帶參數的GET請求：

　　如果想查詢http://httpbin.org/get頁面的具體參數，需要在url里面加上，例如我想看有沒有Host=httpbin.org這條數據，url形式應該是http://httpbin.org/get?Host=httpbin.org

　　下面提交的數據是往這個地址傳送data里面的數據。

import requests

url = 'http://httpbin.org/get'
data = {
    'name':'zhangsan',
    'age':'25'
}
response = requests.get(url,params=data)
print(response.url)
print(response.text)

　　Json數據：

　　從下面的數據中我們可以得出，如果結果：

　　1、requests中response.json()方法等同於json.loads（response.text）方法

import requests
import json

response = requests.get("http://httpbin.org/get")
print(type(response.text))
print(response.json())
print(json.loads(response.text))
print(type(response.json())

　　獲取二進制數據

　　在上面提到了response.content，這樣獲取的數據是二進制數據，同樣的這個方法也可以用於下載圖片以及
　　視頻資源

　　添加header

　　首先說，為什么要加header（頭部信息）呢？例如下面，我們試圖訪問知乎的登錄頁面（當然大家都你要是不登錄知乎，就看不到里面的內容），我們試試不加header信息會報什么錯。

import requests

url = 'https://www.zhihu.com/'
response = requests.get(url)
response.encoding = "utf-8"
print(response.text)

　　結果：

　　提示發生內部服務器錯誤（也就說你連知乎登錄頁面的html都下載不下來）。

<html><body><h1>500 Server Error</h1>
An internal server error occured.
</body></html>

　　如果想訪問就必須得加headers信息。

import requests

url = 'https://www.zhihu.com/'
headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 Safari/537.36'
}
response = requests.get(url,headers=headers)
print(response.text)

　　基本post請求：

　　通過post把數據提交到url地址，等同於一字典的形式提交form表單里面的數據

import requests

url = 'http://httpbin.org/post'
data = {
    'name':'jack',
    'age':'23'
    }
response = requests.post(url,data=data)
print(response.text)

　　結果：

{
  "args": {}, 
  "data": "", 
  "files": {}, 
  "form": {
    "age": "23", 
    "name": "jack"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Connection": "close", 
    "Content-Length": "16", 
    "Content-Type": "application/x-www-form-urlencoded", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.13.0"
  }, 
  "json": null, 
  "origin": "118.144.137.95", 
  "url": "http://httpbin.org/post"
}

　　響應：

import requests

response = requests.get("http://www.baidu.com")
#打印請求頁面的狀態（狀態碼）
print(type(response.status_code),response.status_code)
#打印請求網址的headers所有信息
print(type(response.headers),response.headers)
#打印請求網址的cookies信息
print(type(response.cookies),response.cookies)
#打印請求網址的地址
print(type(response.url),response.url)
#打印請求的歷史記錄（以列表的形式顯示）
print(type(response.history),response.history)

　　內置的狀態碼：

100: ('continue',),
101: ('switching_protocols',),
102: ('processing',),
103: ('checkpoint',),
122: ('uri_too_long', 'request_uri_too_long'),
200: ('ok', 'okay', 'all_ok', 'all_okay', 'all_good', '\\o/', '✓'),
201: ('created',),
202: ('accepted',),
203: ('non_authoritative_info', 'non_authoritative_information'),
204: ('no_content',),
205: ('reset_content', 'reset'),
206: ('partial_content', 'partial'),
207: ('multi_status', 'multiple_status', 'multi_stati', 'multiple_stati'),
208: ('already_reported',),
226: ('im_used',),

# Redirection.
300: ('multiple_choices',),
301: ('moved_permanently', 'moved', '\\o-'),
302: ('found',),
303: ('see_other', 'other'),
304: ('not_modified',),
305: ('use_proxy',),
306: ('switch_proxy',),
307: ('temporary_redirect', 'temporary_moved', 'temporary'),
308: ('permanent_redirect',
      'resume_incomplete', 'resume',), # These 2 to be removed in 3.0

# Client Error.
400: ('bad_request', 'bad'),
401: ('unauthorized',),
402: ('payment_required', 'payment'),
403: ('forbidden',),
404: ('not_found', '-o-'),
405: ('method_not_allowed', 'not_allowed'),
406: ('not_acceptable',),
407: ('proxy_authentication_required', 'proxy_auth', 'proxy_authentication'),
408: ('request_timeout', 'timeout'),
409: ('conflict',),
410: ('gone',),
411: ('length_required',),
412: ('precondition_failed', 'precondition'),
413: ('request_entity_too_large',),
414: ('request_uri_too_large',),
415: ('unsupported_media_type', 'unsupported_media', 'media_type'),
416: ('requested_range_not_satisfiable', 'requested_range', 'range_not_satisfiable'),
417: ('expectation_failed',),
418: ('im_a_teapot', 'teapot', 'i_am_a_teapot'),
421: ('misdirected_request',),
422: ('unprocessable_entity', 'unprocessable'),
423: ('locked',),
424: ('failed_dependency', 'dependency'),
425: ('unordered_collection', 'unordered'),
426: ('upgrade_required', 'upgrade'),
428: ('precondition_required', 'precondition'),
429: ('too_many_requests', 'too_many'),
431: ('header_fields_too_large', 'fields_too_large'),
444: ('no_response', 'none'),
449: ('retry_with', 'retry'),
450: ('blocked_by_windows_parental_controls', 'parental_controls'),
451: ('unavailable_for_legal_reasons', 'legal_reasons'),
499: ('client_closed_request',),

# Server Error.
500: ('internal_server_error', 'server_error', '/o\\', '✗'),
501: ('not_implemented',),
502: ('bad_gateway',),
503: ('service_unavailable', 'unavailable'),
504: ('gateway_timeout',),
505: ('http_version_not_supported', 'http_version'),
506: ('variant_also_negotiates',),
507: ('insufficient_storage',),
509: ('bandwidth_limit_exceeded', 'bandwidth'),
510: ('not_extended',),
511: ('network_authentication_required', 'network_auth', 'network_authentication'),

內置的狀態碼

import requests
response = requests.get('http://www.jianshu.com/404.html')
# 使用request內置的字母判斷狀態碼

#如果response返回的狀態碼是非正常的就返回404錯誤
if response.status_code != requests.codes.ok:
    print('404')

#如果頁面返回的狀態碼是200，就打印下面的狀態
response = requests.get('http://www.jianshu.com')
if response.status_code == 200:
    print('200')

　request的高級操作

　　文件上傳

import requests
url = "http://httpbin.org/post"
files= {"files":open("test.jpg","rb")}
response = requests.post(url,files=files)
print(response.text)

　　結果：

　　獲取cookie

import requests
response = requests.get('https://www.baidu.com')
print(response.cookies)
for key,value in response.cookies.items():
    print(key,'==',value)

　　會話維持

　　cookie的一個作用就是可以用於模擬登陸，做會話維持

import requests
session = requests.session()
session.get('http://httpbin.org/cookies/set/number/12456')
response = session.get('http://httpbin.org/cookies')
print(response.text)

　　證書驗證

　 1、無證書訪問

import requests
response = requests.get('https://www.12306.cn')
# 在請求https時，request會進行證書的驗證，如果驗證失敗則會拋出異常
print(response.status_code)

　　報錯：

　　關閉證書驗證

import requests
# 關閉驗證，但是仍然會報出證書警告
response = requests.get('https://www.12306.cn',verify=False)
print(response.status_code)

　　為了避免這種情況的發生可以通過verify=False，但是這樣是可以訪問到頁面結果

　　消除驗證證書的警報

from requests.packages import urllib3
import requests

urllib3.disable_warnings()
response = requests.get('https://www.12306.cn',verify=False)
print(response.status_code)

　　手動設置證書

import requests

response = requests.get('https://www.12306.cn', cert=('/path/server.crt', '/path/key'))
print(response.status_code)

　　代理設置

　　1、設置普通代理

import requests

proxies = {
  "http": "http://127.0.0.1:9743",
  "https": "https://127.0.0.1:9743",
}
response = requests.get("https://www.taobao.com", proxies=proxies)
print(response.status_code)

　　2、設置用戶名和密碼代理

import requests

proxies = {
    "http": "http://user:password@127.0.0.1:9743/",
}
response = requests.get("https://www.taobao.com", proxies=proxies)
print(response.status_code)

　　設置socks代理

安裝socks模塊 pip3 install 'requests[socks]'

import requests

proxies = {
    'http': 'socks5://127.0.0.1:9742',
    'https': 'socks5://127.0.0.1:9742'
}
response = requests.get("https://www.taobao.com", proxies=proxies)
print(response.status_code)

　超時設置

通過timeout參數可以設置超時的時間

import requests
from requests.exceptions import ReadTimeout

try:
    # 設置必須在500ms內收到響應，不然或拋出ReadTimeout異常
    response = requests.get("http://httpbin.org/get", timeout=0.5)
    print(response.status_code)
except ReadTimeout:
    print('Timeout')

　　認證設置

　　如果碰到需要認證的網站可以通過requests.auth模塊實現

import requests
from requests.auth import HTTPBasicAuth

#方法一
r = requests.get('http://120.27.34.24:9001', auth=HTTPBasicAuth('user', '123'))

#方法二
r = requests.get('http://120.27.34.24:9001', auth=('user', '123'))
print(r.status_code)

　　異常處理

　　關於reqeusts的異常在這里可以看到詳細內容：
http://www.python-requests.org/en/master/api/#exceptions
　　所有的異常都是在requests.excepitons中

　　從源碼我們可以看出RequestException繼承IOError,
　　HTTPError，ConnectionError,Timeout繼承RequestionException
　　ProxyError，SSLError繼承ConnectionError
　　ReadTimeout繼承Timeout異常
　　這里列舉了一些常用的異常繼承關系，詳細的可以看：
http://cn.python-requests.org/zh_CN/latest/_modules/requests/exceptions.html#RequestException

　　通過下面的例子進行簡單的演示

import requests
from requests.exceptions import ReadTimeout, ConnectionError, RequestException
try:
    response = requests.get("http://httpbin.org/get", timeout = 0.5)
    print(response.status_code)
except ReadTimeout:
    print('Timeout')
except ConnectionError:
    print('Connection error')
except RequestException:
    print('Error')

　　首先被捕捉的異常是timeout,當把網絡斷掉的haul就會捕捉到ConnectionError，如果前面異常都沒有捕捉到，最后也可以通過RequestExctption捕捉到

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 Python爬蟲(八)_Requests的使用 python爬蟲requests的使用 python爬蟲之requests的使用 Python爬蟲之requests庫的使用 python爬蟲requests使用代理ip python爬蟲從入門到放棄（四）之 Requests庫的基本使用 Python爬蟲入門requests庫的安裝與使用 Python爬蟲基礎（四）Requests庫的使用 Python 爬蟲實戰（二）：使用 requests-html python爬蟲之網頁的獲取requests的使用