爬虫之Requests库
官方文档:http://cn.python-requests.org/zh_CN/latest/
一、引子
import requests resp = requests.get("https://www.baidu.com/")
print(type(resp)) # <class 'requests.models.Response'>
print(resp.status_code) #
# print(resp.text)
print(type(resp.text)) # <class 'str'>
# print(resp.text)
print(resp.cookies)
各种请求方式:
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")
二、请求
GET请求
基本写法:
import requests
resp = requests.get("http://httpbin.org/get")
print(resp.text)
带参数get请求:
# 方式1
resp = requests.get("http://httpbin.org/get?name=pd&age=18")
print(resp.text)
# 方式2
params = {
"name": "pd",
"age": 18
}
resp = requests.get("http://httpbin.org/get", params=params)
print(resp.text)
解析json:
resp = requests.get("http://httpbin.org/get")
print(resp.json()) # 相当于json.loads(resp.text)
print(type(resp.text)) # <class 'str'>
print(type(resp.json())) # <class 'dict'>
获取二进制数据:
resp = requests.get("https://github.com/favicon.ico")
print(type(resp.text)) # <class 'str'>
print(type(resp.content)) # <class 'bytes'>
print(resp.text)
print(resp.content) # 获取非文本响应内容 with open("favicon.ico", "wb") as f:
f.write(resp.content)
添加请求头:
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36"
}
resp = requests.get("https://www.zhihu.com/explore", headers=headers)
print(resp.text)
POST请求
基本操作:
data = {"name": "pd", "age": 18}
resp = requests.post("http://httpbin.org/post", data=data)
print(resp.text)
添加请求头:
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36"
}
data = {"name": "pd", "age": 18}
resp = requests.post("http://httpbin.org/post", data=data, headers=headers)
print(resp.text)
三、响应
响应属性:
resp = requests.get("https://www.jianshu.com")
print(type(resp.status_code), resp.status_code) # <class 'int'> 200
print(type(resp.headers), resp.headers)
print(type(resp.cookies), resp.cookies) # <class 'requests.cookies.RequestsCookieJar'> <RequestsCookieJar[<Cookie locale=zh-CN for www.jianshu.com/>]>
print(type(resp.url), resp.url) # <class 'str'> https://www.jianshu.com/
print(type(resp.history), resp.history) # <class 'list'> []
状态码判断:
resp = requests.get("https://www.jianshu.com")
exit() if not resp.status_code == requests.codes.forbidden else print("403 Forbidden")
response = requests.get("http://www.baidu.com")
exit() if not response.status_code == 200 else print("Request Successfully")
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',), # 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'),
状态码信息
四、高级操作
文件上传
files = {"file": open("favicon.ico", "rb")}
resp = requests.post("http://httpbin.org/post", files=files)
print(resp.text)
获取cookie
resp = requests.get("https://www.baidu.com")
print(resp.cookies) # <RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>
for key, value in resp.cookies.items():
print(key + "=" + value) # BDORZ=27315
会话维持
用来做模拟登录。
requests.get("http://httpbin.org/cookies/set/num/123456") # 设置cookie
resp = requests.get("http://httpbin.org/cookies")
print(resp.text) # {"cookies": {}} cookies为空是因为发起两次请求,而两此请求是完全独立的过程
声明一个session对象发起两次请求:
s = requests.Session()
s.get("http://httpbin.org/cookies/set/num/123456")
resp = s.get("http://httpbin.org/cookies")
print(resp.text) # {"cookies": {"num": "123456"}}
证书验证
如果要爬取上述这种网站的话:
import requests
from requests.packages import urllib3
urllib3.disable_warnings()
resp = requests.get("https://www.xxx.com", verify=False)
print(resp.status_code)
代理设置
proxies = {
"http": "http://127.0.0.1:9743",
"https": "https://127.0.0.1:9743",
}
resp = requests.get("https://www.xxx.com", proxies=proxies)
print(resp.status_code)
如果不是http、https代理,而是socks代理:
pip3 install 'requests[socks]'
proxies = {
"http": "socks5://127.0.0.1:9742",
"https": "socks5://127.0.0.1:9742"
}
response = requests.get("https://www.xxx.com", proxies=proxies)
print(response.status_code)
超时设置
为防止服务器不能及时响应,大部分发至外部服务器的请求都应该带着 timeout 参数。在默认情况下,除非显式指定了 timeout 值,requests 是不会自动进行超时处理的。如果没有 timeout,你的代码可能会挂起若干分钟甚至更长时间。
import requests
from requests import exceptions
try:
resp = requests.get("http://httpbin.org/get", timeout=0.5)
print(resp.status_code)
except exceptions.ReadTimeout:
print("ReadTimeout")
except exceptions.ConnectTimeout:
print("ConnectTimeout")
认证设置
有些网站需要登录才能看到里面的内容:
import requests
from requests.auth import HTTPBasicAuth
resp = requests.get("http://111.11.11.11:9001", auth=HTTPBasicAuth("user", ""))
print(resp.status_code)
异常处理
http://www.python-requests.org/en/master/api/#exceptions
import requests
from requests.exceptions import ReadTimeout, ConnectionError, RequestException
try:
resp = requests.get("http://httpbin.org/get", timeout=0.5)
print(resp.status_code)
except ReadTimeout:
print("Timeout")
except ConnectionError:
print("Connection error")
except RequestException:
print("Error")
爬虫之Requests库的更多相关文章
- Python爬虫之requests库介绍(一)
一:Requests: 让 HTTP 服务人类 虽然Python的标准库中 urllib2 模块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 ...
- python爬虫之requests库
在python爬虫中,要想获取url的原网页,就要用到众所周知的强大好用的requests库,在2018年python文档年度总结中,requests库使用率排行第一,接下来就开始简单的使用reque ...
- 爬虫相关--requests库
requests的理想:HTTP for Humans 一.八个方法 相比较urllib模块,requests模块要简单很多,但是需要单独安装: 在windows系统下只需要在命令行输入命令 pip ...
- Python爬虫:requests 库详解,cookie操作与实战
原文 第三方库 requests是基于urllib编写的.比urllib库强大,非常适合爬虫的编写. 安装: pip install requests 简单的爬百度首页的例子: response.te ...
- Python爬虫之requests库的使用
requests库 虽然Python的标准库中 urllib模块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宣传是 "HTTP for ...
- 【Python爬虫】爬虫利器 requests 库小结
requests库 Requests 是一个 Python 的 HTTP 客户端库. 支持许多 HTTP 特性,可以非常方便地进行网页请求.网页分析和处理网页资源,拥有许多强大的功能. 本文主要介绍 ...
- 爬虫值requests库
requests简介 简介 Requests是用python语言基于urllib编写的,采用的是Apache2 Licensed开源协议的HTTP库 ,使用起来比urllib简洁很多 因为是第三方库, ...
- (爬虫)requests库
一.requests库简介 urllib库和request库的作用一样,都是服务器发起请求数据,但是requests库比urllib库用起来更方便,它的接口更简单,选用哪种库看自己. 如果没有安装过这 ...
- 【Python爬虫】Requests库的基本使用
Requests库的基本使用 阅读目录 基本的GET请求 带参数的GET请求 解析Json 获取二进制数据 添加headers 基本的POST请求 response属性 文件上传 获取cookie 会 ...
- python网络爬虫之requests库
Requests库是用Python编写的HTTP客户端.Requests库比urlopen更加方便.可以节约大量的中间处理过程,从而直接抓取网页数据.来看下具体的例子: def request_fun ...
随机推荐
- OC学习篇之---类的初始化方法和点语法的使用
昨天介绍了OC中类的定义和使用:http://blog.csdn.net/jiangwei0910410003/article/details/41657603,今天我们来继续学习类的初始化方法和点语 ...
- AndroidCommon示例
效果图如下: 1) 自动滚动无限循环ViewPager.ViewPager嵌套自动滚动ViewPager (2) 网络缓存Demo (3) 图片缓存Demo,图片SD卡缓存D ...
- bzoj 1778: [Usaco2010 Hol]Dotp 驱逐猪猡【dp+高斯消元】
算是比较经典的高斯消元应用了 设f[i]为i点答案,那么dp转移为f[u]=Σf[v]*(1-p/q)/d[v],意思是在u点爆炸可以从与u相连的v点转移过来 然后因为所有f都是未知数,高斯消元即可( ...
- bzoj 1651: [Usaco2006 Feb]Stall Reservations 专用牛棚【贪心+堆||差分】
这个题方法还挺多的,不过洛谷上要输出方案所以用堆最方便 先按起始时间从小到大排序. 我用的是greater重定义优先队列(小根堆).用pair存牛棚用完时间(first)和牛棚编号(second),每 ...
- [Swift通天遁地]一、超级工具-(16)使用JTAppleCalendar制作美观的日历
★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★➤微信公众号:山青咏芝(shanqingyongzhi)➤博客园地址:山青咏芝(https://www.cnblogs. ...
- mysql——免安装配置
1.下载 (1)下载地址:https://dev.mysql.com/downloads/mysql/ (2)选择下载 2.配置环境变量 (1)解压目录:D:\mysql-8.0.16-winx64 ...
- VF 查表
题目的意思就是 给你一个数字 n (1~81) 然后问你从 1~10^9 之中有多少个 各位数字之和等于 n 的 数字 我上去 打表了 而且速度还差不多 , 能在 几十分钟内算出来所有答案 ...
- 01背包(类) UVA 10564 Paths through the Hourglass
题目传送门 /* 01背包(类):dp[i][j][k] 表示从(i, j)出发的和为k的方案数,那么cnt = sum (dp[1][i][s]) 状态转移方程:dp[i][j][k] = dp[i ...
- E1963A/E6703B W-CDMA Online User's Guide
官网资料地址: http://rfmw.em.keysight.com/rfcomms/refdocs/wcdma/
- mybatis之多个对象自动装配问题
因为业务的需要,所以我在一个方法中植入三个对象,但是mybatis并没有自动装配,结果并不是我想的那么美好,还是报错了.报错截图如下: <select id="GetOneBillPa ...