欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

爬虫入门:requests库初步理解

程序员文章站 2023-11-17 20:24:40
requests库一、request库下载二、requests库基本使用1、建立一个新py文件2、发送GET、POST请求:2.1 、GET请求:2.2、POST请求:3、cookie:4、cookie:5、处理不信任的SSL证书:**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 considerupgradin...


**

一、request库下载

方法一:
按住“win”+“R”打开运行输入“cmd”
爬虫入门:requests库初步理解
输入"pip install requests"等待下载结束即可
爬虫入门:requests库初步理解

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)
爬虫入门:requests库初步理解通过pycharm打开设置
爬虫入门:requests库初步理解选择要安装的编译器,点击“+”
爬虫入门:requests库初步理解输入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:
爬虫入门:requests库初步理解代码:

# 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:
爬虫入门:requests库初步理解
: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":"970138074@qq.com",'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":"970138074@qq.com",'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":"970138074@qq.com",'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

相关标签: python