python发起网络请求模块【requests、selenium、urllib、urllib3】

最新推荐文章于 2024-07-30 10:30:00 发布

2401_84139676

最新推荐文章于 2024-07-30 10:30:00 发布

阅读量955

点赞数 21

分类专栏：程序员文章标签： python selenium 开发语言

本文链接：https://blog.csdn.net/2401_84139676/article/details/138299762

版权

程序员专栏收录该内容

144 篇文章 2 订阅

订阅专栏

‘Referer’: ‘https://movie.douban.com/typerank?’,

}

#携带cookies

cookies = {‘Cookie’:’ bid=vcLghJHKdzE; __utmz=30149280.1608554450.1.1.utmcsr=(direct)|utmccn='}

#携带请求参数

params = {

‘type’:‘11’,

‘interval_id’:‘100:90’,

‘action’:‘unwatched+playable’,

‘start’:str(i*20),

‘limit’:‘20’,

}

#设置代理池 ip

proxy = {

‘http’:‘101.236.155.89:8899’,

‘https’:‘101.236.155.89:7799’

}

url = ‘https://movie.douban.com/j/chart/top_list?’

res=requests.get(url,headers=headers,params=params,cookies=cookies,proxies=proxy)

print(response.status_code) #输出请求状态码

print(response.content.decode(‘utf-8’)) #输出请求结果

2、selenium

selenium模块可以用于自动化打开浏览器相当于用户主动操作，不用去刻意添加请求头、cookies等，可以大大增加爬虫的成功率

安装

selenium属于第三方库，需要pip安装

pip install selenium

使用

在使用该模块之前，需要配置和浏览器版本对应的浏览器驱动，谷歌浏览器下载驱动地址如下

https://npm.taobao.org/mirrors/chromedriver/

其他浏览器驱动请百度一下

驱动下载完毕后需要添加到环境变量，也可直接将驱动放到python的安装环境下面，建议放到python安装环境中

浏览器驱动

代码测试

from selenium import webdriver

import time

url = ‘http://localhost:5000/’

设置静默模式，谷歌浏览器设置成后台运行，不会自动打开浏览器

#options = webdriver.ChromeOptions()

#options.add_argument(‘headless’)

#driver = webdriver.Chrome(chrome_options=options)

自动打开浏览器

driver = webdriver.Chrome()

driver.get(url)

time.sleep(2) # 暂停两秒，等待浏览器缓冲

print(driver.page_source) #输出访问地址的整个页面代码

driver.quit() # 关闭浏览器

selenium模块自动化脚本测试模块，功能非常强大，相当于人为操作浏览器，这里只是抛砖引玉。需要详细了解的可以直接在CSDN或者百度中搜索进行学习

3、urllib

原文来自：https://www.cnblogs.com/pywjh/p/9689734.html

别人写的太好太明白，自己主要起个 c v 的作用，以免画蛇添足，建议大家可以直接去看原文。

urllib作为Python的标准库，基本上涵盖了基础的网络请求功能。

urllib.request

urllib中，request这个模块主要负责构造和发起网络请求，并在其中加入Headers、Proxy等。

发起GET请求

主要使用urlopen()方法来发起请求：

from urllib import request

resp = request.urlopen(‘http://www.baidu.com’)

print(resp.read().decode(‘utf-8’)) #使用对象的read()方法获得bytes数据。然后进行decode转码

发起POST请求

urlopen()默认的访问方式是GET，当在urlopen()方法中传入data参数时，则会发起POST请求。

注意：传递的data数据需要为bytes格式。

设置timeout参数还可以设置超时时间，如果请求时间超出，那么就会抛出异常。

from urllib import request

#加上data参数发起POST请求并设置超时时间

resp = request.urlopen(‘http://httpbin.org’, data=b’word=hello’, timeout=10)

print(resp.read().decode()) #同样需要转码

添加Headers

通过urllib发起的请求会有默认的一个Headers：“User-Agent”:“Python-urllib/3.6”，指明请求是由urllib发送的。

所以遇到一些验证User-Agent的网站时，我们需要自定义Headers，而这需要借助于urllib.request中的Request对象。

from urllib import request

url = ‘http://httpbin.org/get’

headers = {‘user-agent’: ‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36’}

需要使用url和headers生成一个Request对象，然后将其传入urlopen方法中

req = request.Request(url, headers=headers)

resp = request.urlopen(req)

print(resp.read().decode())

Request对象

如上所示，urlopen()方法中不止可以传入字符串格式的url，也可以传入一个Request对象来扩展功能，Request对象如下所示。

class urllib.request.Request(url, data=None, headers={},

origin_req_host=None,

unverifiable=False, method=None)

构造Request对象必须传入url参数，data数据和headers都是可选的。

最后，Request方法可以使用method参数来自由选择请求的方法，如PUT，DELETE等等，默认为GET。

添加Cookie

为了在请求时能带上Cookie信息，我们需要重新构造一个opener。

使用request.build_opener方法来进行构造opener，将我们想要传递的cookie配置到opener中，然后使用这个opener的open方法来发起请求。

from http import cookiejar

from urllib import request

url = ‘http://httpbin.org/cookies’

创建一个cookiejar对象

cookie = cookiejar.CookieJar()

使用HTTPCookieProcessor创建cookie处理器

cookies = request.HTTPCookieProcessor(cookie)

并以它为参数创建Opener对象

opener = request.build_opener(cookies)

使用这个opener来发起请求

resp = opener.open(url)

print(resp.read().decode())

或者也可以把这个生成的opener使用install_opener方法来设置为全局的。

则之后使用urlopen方法发起请求时，都会带上这个cookie。

将这个opener设置为全局的opener

request.install_opener(opener)

resp = request.urlopen(url)

设置Proxy代理

使用爬虫来爬取数据的时候，常常需要使用代理来隐藏我们的真实IP。

from urllib import request

url = ‘http://httpbin.org/ip’

proxy = {‘http’:‘50.233.137.33:80’,‘https’:‘50.233.137.33:80’}

创建代理处理器

proxies = request.ProxyHandler(proxy)

创建opener对象

opener = request.build_opener(proxies)

resp = opener.open(url)

print(resp.read().decode())

下载数据到本地

在我们进行网络请求时常常需要保存图片或音频等数据到本地，一种方法是使用python的文件操作，将read()获取的数据保存到文件中。

而urllib提供了一个urlretrieve()方法，可以简单的直接将请求获取的数据保存成文件。（对于做前端开发的来说和需要爬虫的人来说是个绝好的东西）

urlretrieve()方法传入两个参数，第一个是url字符串，第二个是文件保存的地址以及文件名

from urllib import request

url = ‘http://python.org/’

request.urlretrieve(url, ‘python.html’)

urllib.response

在使用urlopen()方法或者opener的open()方法发起请求后，获得的结果是一个response对象。

这个对象有一些方法和属性，可以让我们对请求返回的结果进行一些处理。

read()

获取响应返回的数据，只能使用一次。

getcode()

获取服务器返回的状态码。

getheaders()

获取返回响应的响应报头。

geturl()

获取访问的url。

res = request.urlopen(‘https://cd.meituan.com/’)

getData = res.getcode()

print(getData) #200

print(res.getheaders()) #客户端请求头

print(res.geturl()) # https://www.meituan.com/error/403

#美团的反爬直接返回了403

urllib.parse

urllib.parse是urllib中用来解析各种数据格式的模块。

urllib.parse.quote

在url中，是只能使用ASCII中包含的字符的，也就是说，ASCII不包含的特殊字符，以及中文等字符都是不可以在url中使用的。而我们有时候又有将中文字符加入到url中的需求，例如百度的搜索地址：

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！