葵花宝典教程,一个自学编程平台

葵花宝典教程,一个自学编程平台

Python爬虫常用库总结之“Requests”

Requests模块介绍:

发送http请求,获取响应数据

requests模块是一个第三方模块,需要在你的python(虚拟)环境中额外安装: 

pip/pip3 install requests

requests基础:

requests模块发送get请求


  • import requests

  • # 目标url

  • url = 'https://www.baidu.com'

  • # 向目标url发送get请求

  • response = requests.get(url)

  • # 打印响应内容

  • print(response.text)


Response响应对象:

观察上边代码运行结果发现,有好多乱码;这是因为编解码使用的字符集不同造成的;我们尝试使用下边的办法来解决中文乱码问题


  • import requests

  • url = 'https://www.baidu.com'

  • # 向目标url发送get请求

  • response = requests.get(url)

  • # 打印响应内容

  • # print(response.text)

  • print(response.content.decode()) # 注意这里!


1、response.text是requests模块按照chardet模块推测出的编码字符集进行解码的结果

2、网络传输的字符串都是bytes类型的,所以response.text = response.content.decode(‘推测出的编码字符集’)

3、我们可以在网页源码中搜索charset,尝试参考该编码字符集,注意存在不准确的情况。


Response.text 和Response.content的区别:

1、Response.text


  • 类型:str

  • 解码类型: requests模块自动根据HTTP 头部对响应的编码作出有根据的推测,推测的文本编码


2、Response.content


  • 类型:bytes

  • 解码类型: 没有指定



解决中文乱码:

通过对response.content进行decode,来解决中文乱码


1、Response.content.decode() 默认utf-8

2、Response.content.decode("GBK")

3、常见的编码字符集

  • utf-8

  • gbk

  • gb2312

  • ascii (读音:阿斯克码)

  • iso-8859-1



Response响应对象的其它常用属性或方法:


  • #https://beishan.blog.csdn.net/

  • # 1.2.3-response其它常用属性

  • import requests


  • # 目标url

  • url = 'https://www.baidu.com'


  • # 向目标url发送get请求

  • response = requests.get(url)


  • # 打印响应内容

  • # print(response.text)

  • # print(response.content.decode()) # 注意这里!

  • print(response.url)# 打印响应的url

  • print(response.status_code)# 打印响应的状态码

  • print(response.request.headers)# 打印响应对象的请求头

  • print(response.headers)# 打印响应头

  • print(response.request._cookies)# 打印请求携带的cookies

  • print(response.cookies)# 打印响应中携带的cookies



Requests实操:

requests模块发送请求

发送带header的请求

我们先写一个获取百度首页的代码



  • import requests

  • url = 'https://www.jennal.cn'

  • response = requests.get(url)

  • print(response.content.decode())

  • # 打印响应对应请求的请求头信息

  • print(response.request.headers)


从浏览器中复制User-Agent,构造Headers字典;完成下面的代码后,运行代码查看结果


  • import requests


  • url = 'https://www.jennal.cn'


  • 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"}


  • # 在请求头中带上User-Agent,模拟浏览器发送请求

  • response = requests.get(url, headers=headers)


  • print(response.content)


  • # 打印请求头信息

  • print(response.request.headers)


发送带参数的请求:

我们在使用百度搜索的时候经常发现url地址中会有一个 ?,那么该问号后边的就是请求参数,又叫做查询字符串


在url携带参数,直接对含有参数的url发起请求


  • import requests


  • 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"}


  • url = 'https://www.baidu.com/s?wd=python'


  • response = requests.get(url, headers=headers)



通过Params携带参数字典:

1.构建请求参数字典

2.向接口发送请求的时候带上参数字典,参数字典设置给params


  • import requests


  • 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"}


  • # 这是目标url

  • # url = 'https://www.baidu.com/s?wd=python'


  • # 最后有没有问号结果都一样

  • url = 'https://www.baidu.com/s?'


  • # 请求参数是一个字典 即wd=python

  • kw = {'wd': 'python'}


  • # 带上请求参数发起请求,获取响应

  • response = requests.get(url, headers=headers, params=kw)


  • print(response.content)

  • 从浏览器中复制User-Agent和Cookie

  • 浏览器中的请求头字段和值与headers参数中必须一致

  • headers请求参数字典中的Cookie键对应的值是字符串

  • import requests


  • url = 'https://github.com/USER_NAME'


  • # 构造请求头字典

  • headers = {

  • # 从浏览器中复制过来的User-Agent

  • 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36',

  • # 从浏览器中复制过来的Cookie

  • 'Cookie': 'xxx这里是复制过来的cookie字符串'

  • }


  • # 请求头参数字典中携带cookie字符串

  • resp = requests.get(url, headers=headers)


  • print(resp.text)




超时参数timeout的使用:

在平时网上冲浪的过程中,我们经常会遇到网络波动,这个时候,一个请求等了很久可能仍然没有结果。

在爬虫中,一个请求很久没有结果,就会让整个项目的效率变得非常低,这个时候我们就需要对请求进行强制要求,让他必须在特定的时间内返回结果,否则就报错。


1、超时参数timeout的使用方法

response = requests.get(url, timeout=3)

2、timeout=3表示:发送请求后,3秒钟内返回响应,否则就抛出异常


  • import requests



  • url = 'https://twitter.com'

  • response = requests.get(url, timeout=3) # 设置超时时间



Requests发送post请求的方法:


  • response = requests.post(url, data)

  • data参数接收一个字典

  • requests模块发送post请求函数的其它参数和发送get请求的参数完全一致


注意运行的时候开梯子就会报错



第3条葵花宝典
== ==

Copyright www.jennal.cn Rights Reserved葵花宝典教程.鄂icp2022001145号-1

分享:

支付宝

微信