requests 爬虫

requests 库只是一个工具，是工具就有它的使用方式，下面是使用 requests 库的 GET 方法请求网站URL的方法

import requests
response = requests.get("https://www.baidu.com/?tn=monline_3_dg")
print(response.text)

requests 库的通用代码函数框架

# 爬取网页的通用代码框架(加入异常处理方法)
import requests

# 定义一个爬虫通用框架函数
def getHTMLText(url):
    try:
        # 通过get方法请求url并设定响应时间
        r = requests.get(url,timeout=30)
        # 如果状态码不是200，引发 HTTPError 异常
        r.raise_for_status()
        # 解析返回数据的编码方式
        r.encoding = r.apparent_encoding
        # 输出返回网页的内容
        return r.text
    except:
        return "产生异常"

更改请求头 headers,

• 先构造一个键值对：kv = {"user-agent":"Mozilla/5.0"}¶

• 修改爬虫的头部信息： r = requests.get(url,headers = kv)

• Mozilla/5.0:是一个标准的浏览器标识

# 爬取网页的通用代码框架(加入异常处理方法)
import requests

# 定义一个爬虫通用框架函数
def getHTMLText(url):
    try:

        kv = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.87 Safari/537.36"}
        # 通过get方法请求url并设定响应时间
        r = requests.get(url,headers = kv,timeout=30)
        # 如果状态码不是200，引发 HTTPError 异常
        r.raise_for_status()
        # 解析返回数据的编码方式
        r.encoding = r.apparent_encoding
        # 输出返回网页的内容
        return r.text
    except:
        return "产生异常"

更改请求头爬取拉勾网实例

import requests
url = "https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput="
try:
    kv = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.87 Safari/537.36"}
    r = requests.get(url,timeout=30,headers=kv)
    r.raise_for_status
    r.encoding = r.apparent_encoding
    print(r.text)
except:
    print("请求异常")

使用 post 方法发送请求

# 发送 post 请求
import requests
url = 'https://www.lagou.com/zhaopin/Python/?labelWords=label'
data = {
    "first":"true",
    "pn":1,
    "kd":"python"
}
kv = {'Referer':'https://www.lagou.com/zhaopin/Python/?labelWords=label',
     'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.87 Safari/537.36'}
r = requests.post(url,headers=kv,data=data)
print(r.text)
print(r.json())

使用代理 IP¶

• 只需在（get 或 post ）传递 proxies 参数就可以了实例代码如下：

  import requests
  url = 'http://httpbin.org/get'
  kv = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.87 Safari/537.36'}
  pr = {
      "http":"101.64.32.100:808"
  }
  r = requests.get(url,headers=kv,proxies=pr)
  # 使用打开文件的方式
  with open('xx.html','w',encoding='utf-8') as fp:
      fp.write(r.text)

  requests处理cookie信息¶

  import requests
  
  r = requests.get("https://www.baidu.com/")
  print(r.cookies)
  # 以字典的方式展示cookies信息
  print(r.cookies.get_dict())

  session¶

  • 如果使用 requests ，要共享 cookie 的目的，那么可以 requests 库给我们提共的 session 对象，这里的 session 只是一个绘画对象而已

  登入人人网实例

  import requests
  
  url = "http://www.renren.com/PLogin.do"
  
  data = {"email":"[email protected]","password":"pythonspider"}
  kv = {
      "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.87 Safari/537.36"
  }
  # 登入
  session = requests.Session()
  session.post(url,data=data,headers=kv)
  # 访问个人中心
  resp = session.get("http://www.renren.com/880151247/profile")
  with open('renren.html','w',encoding='utf-8') as fp:
      fp.write(resp.text)

  要获取网站上的视频或图片就将获取的内容返回为二进制格式，实例如下：

  import requests
  response = requests.get('https://github.com/favicon.ico')
  print(type(response.text),type(response.content))
  print(response.text)
  # content 是获取内容的二进制内容
  print(response.content)

  有时候我们获取的内容格式为 json 格式可以这样解析

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

  以下是 requests 库的各种请求的返回内容

  import requests
  response = requests.get('https://www.baidu.com/?tn=monline_3_dg')
  # 打印response的类型
  print(type(response))
  # 查看返回的状态码
  print(response.status_code)
  # 打印返回的值的属性
  print(type(response.text))
  # 打印返回的值
  print(response.text)
  # 查看返回的cookies值
  print(response.cookies)

  import requests
  requests.post('https://www.baidu.com/?tn=monline_3_dg')
  requests.put('https://www.baidu.com/?tn=monline_3_dg')
  requests.delete('https://www.baidu.com/?tn=monline_3_dg')
  requests.head('https://www.baidu.com/?tn=monline_3_dg')
  requests.options('https://www.baidu.com/?tn=monline_3_dg')