day02_Requests模块

1、anaconda的安装

1.1 、安装可执行程序

1.2 、配置环境变量

​ 根据环境变量的先后顺序去查找可执行程序文件，如果查找到就执行，如果查找不到就报错。

​ anaconda主要配置：

​ python.exe

​ pip.exe

1.3 、python的多版本兼容问题

​ 修改可执行程序的文件名，再配置环境变量

1.4 、hash案例

import hashlib

def md5_encryption(value):
    """
    对字符串进行加密
    :param value:待加密的字符串
    :return:进行md5加密后的值
    """
    md5 = hashlib.md5()
    md5.update(value.encode('utf-8'))
    return md5.hexdigest()

2、requests模块

2.1、get 请求

(1)、使用步骤

import requests  				# 1、导包

response = requests.get(url)  	# 2、发送请求，获取响应
response.text					# 3、获取响应内容

(2)、get请求详细参数

requests.get(
			url=url,				# 请求的url
			headers=headers			# 请求头【字典】
			params=params			# 请求参数【字典】
		)
# 返回一个response对象

(3)、response对象的属性

1. 获取响应正文的内容

   • response.text ：获取字符串格式的响应正文内容
   • response.content：获取二进制格式的响应正文内容

2. 获取响应正文的编码类型：response.encoding

   之所以能够通过response.text获取响应内容的字符串，是因为requests底层使用response.encoding来将正文的二进制类型变成字符串的。

3. 其他

   • response.status_code：状态码
   • response.headers：响应头
   • response.url：完整url

4. 乱码问题的解决办法

   产生乱码的原因就编解码时不一致，可以通过以下两种方法解决：

   • a、response.content.decode('页面对应的编码格式')
   • b、response.encoding='页面正确的编码'，然后通过response.text就能获取正确的页面内容

5. get请求案例

   案例一：将百度贴吧的前10页保存到本地

import requests
import os

base_url = 'http://tieba.baidu.com/f?'
kw = '刘亦菲'  # 搜索的关键词
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',
}

filename = './tieba/' + kw  # 爬取的网页存放路径

if not os.path.exists(filename):
    # 如果不存在存放该网页的目录，就创建此目录
    os.mkdir(filename)  

# 将网页的前10页保存到本地
for i in range(10):
    params = {
        'kw': kw,
        'ie': 'utf-8',
        'pn': i*50
    }
    response= requests.get(url=base_url, headers=headers, params=params)

    with open(filename+'/'+kw+str(i+1)+'.html', 'w', encoding='utf-8') as f:
        f.write(response.text)

​ 案例二：百度翻译

import requests

base_url = 'https://fanyi.baidu.com/sug/'
kw = 'product'

data = {
    'kw': kw
}

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',
    'x-requested-with': 'XMLHttpRequest',
    'cookie': cookie;
    'origin': 'https://fanyi.baidu.com',
    'referer': 'https://fanyi.baidu.com/',
    'content-length': str(len(str(data))),  # 参数内容中所有所有字符的长度
}

response = requests.post(url=base_url, headers=headers, data=data)
# 如果response的内容是json数据，可以通过reponse.json()直接获取json数据，返回的是一个字典或者list
json_data = response.json()

res = ''
for data in json_data['data']:
    res += data['v'] + '\n'
print(res)

2.2、 post请求

(1)、post请求详细参数

requests.get(
			url=url,				# 请求的url
			headers=headers			# 请求头【字典】
			data=data				# 请求参数【字典】
		)
# 返回一个response对象

通常很多网页是通过Ajax发送post请求获取数据，此时需要找发送Ajax请求携带的数据，也就是请求参数。

找请求参数有三种方法：

1. 查看这条ajax接口之前有没有发送过一些ajax接口，如果有，可能这些接口的其中一个的响应内容里面包含这个接口的数据。
2. 有可能这个请求参数写死到页面中的。一般这种情况出现在滚动加载的第一版数据的获取，有可能这么做。
3. 在js文件中去寻找参数。

案例一：有道翻译

import requests
import hashlib
import time
import random

base_url = 'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'
kw = 'run'

def get_md5(value):
    md5 = hashlib.md5()
    md5.update(value.encode('utf-8'))
    return md5.hexdigest()

"""
由于salt、sign和ts这3个参数由fanyi.js文件中js动态生成的
因此在发送post请求前，需要去动态地生成它们的值
salt = "" + (new Date).getTime() + parseInt(10 * Math.random(), 10)
ts = "" + (new Date).getTime()
sign = n.md5("fanyideskweb" + e + salt + "n%A-rKaT5fb[Gy?;N5@Tj")
"""

salt = str(int(time.time() * 1000)) + str(random.randint(1, 10))
sign = get_md5("fanyideskweb" + kw + salt + "n%A-rKaT5fb[Gy?;N5@Tj")
ts = str(int(time.time() * 1000))

data = {
    'i': kw,
    'from': 'AUTO',
    'to': 'AUTO',
    'smartresult': 'dict',
    'client': 'fanyideskweb',
    'salt': salt,
    'sign': sign,
    'ts': ts,
    'bv': '710f3e24cb0088b9d9ea448919deb3bb',
    'doctype': 'json',
    'version': '2.1',
    'keyfrom': 'fanyi.web',
    'action': 'FY_BY_REALTlME'
}

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',
    'X-Requested-With': 'XMLHttpRequest',
    'Origin': 'http://fanyi.youdao.com',
    'Referer': 'http://fanyi.youdao.com/',
    'Cookie': 'OUTFOX_SEARCH_USER_ID_NCOO=1291930369.870429; _ga=GA1.2.27463077.1574943185; _gid=GA1.2.609141079.1574943185; OUTFOX_SEARCH_USER_ID="10809467@10.108.160.18"; JSESSIONID=aaa7W8E0vjuZ-5hRbD26w; ___rl__test__cookies=1575019115684',
    'Content-Length': str(len(str(data))),

}

response = requests.post(url=base_url, headers=headers, data=data)
json_data = response.json()
res = ''
for data in json_data['smartResult']['entries']:
    res += data
print(res)

2.3、Cookies 和 Session

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：

import requests

base_url = "https://www.baidu.com"

response = requests.get(url=base_url)

#  返回CookieJar对象:
cookiejar = response.cookies  #  返回CookieJar对象
print(cookiejar)

# 将CookieJar转为字典：
cookiedict = requests.utils.dict_from_cookiejar(cookiejar)
print(cookiedict)

运行结果：

<RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>
{'BDORZ': '27315'}

Session

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

import requests

# 1、创建session对象，可以保存cookie值
se = requests.session()

# 2、处理 headers
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',
}

# 3、需要登录的用户名和密码
data = {
    'email':'用户名',
    'password':'密码'
}

# 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
se.post("http://www.renren.com/PLogin.do", data=data, headers=headers)

# 5、se中包含用户登录后的Cookie值，可以直接访问那些登录后才可以访问的页面
response = se.get("http://www.renren.com/410043129/profile")

if '用户名' in response.text:
    print(response)
    print('登录成功！')
else:
    print('登录失败')