爬虫基础——requests库

Requests: 让 HTTP 服务更加简洁

2.1 添加 headers 和 查询参数

import requests
kw = {'wd':'百度'}
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.  代理（proxies参数）

import requests
# 根据协议类型，选择不同的代理
proxies = {
  "http": "211.159.177.212:3128",
  "https": "119.28.138.104:3128",
}

response = requests.get("http://www.baidu.com/", proxies=proxies)
print(response.text)

2.3   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
response = requests.get("http://www.baidu.com/")
# 7. 返回CookieJar对象:
cookiejar = response.cookies
# 8. 将CookieJar转为字典：
cookiedict = requests.utils.dict_from_cookiejar(cookiejar)
print(cookiejar)
print(cookiedict)

2.4 使用requests 通过session登陆人人网

import requests
# 1. 创建session对象，可以保存Cookie值
ssion = requests.session()
# 2. 处理 headers
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"}
# 3. 需要登录的用户名和密码
data = {"email":"username", "password":"password"}
# 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
ssion.post("http://www.renren.com/PLogin.do", data = data)
# 5. ssion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 = ssion.get("http://www.renren.com/880792860/profile")
# 6. 打印响应内容
print(response.text)

2.5   处理HTTPS请求 SSL证书验证（比如12306）

import requests
response = requests.get("https://www.12306.cn/mormhweb/", verify = False)  # 直接添加verify=False
print(response.content.decode("utf-8"))

2.6  保存图片优化代码

if response.status_code == 200:
   #保存图片名字为logo.jpg
   with open('logo.jpg', 'wb') as f:
      for block in response.iter_content(1024):
         #判断是否还有内容,没有就退出for循环
         if not block:
            break
         #把取出的内容写入文件
         f.write(block)