爬虫01-requests模块

最新推荐文章于 2021-08-07 22:56:33 发布

HJZ11

最新推荐文章于 2021-08-07 22:56:33 发布

阅读量410

点赞数

分类专栏： # 爬虫

本文链接：https://blog.csdn.net/HJZ11/article/details/106255578

版权

爬虫专栏收录该内容

10 篇文章 0 订阅

订阅专栏

import requests


# 网址
url="http://www.antvv.com"
url="https://www.woyaogexing.com"
r=requests.get(url)
# print(r)  #<Response [200]> 返回值对象,返回了一个http状态码
print(type(r))
# text 获取返回值的源代码,如果误判了编码会乱码
# print(r.text)
# status_code 返回的状态码，200代表请求成功，得到返回值
print(r.status_code)
# encoding 网页的编码,可能会误判
print(r.encoding)
# r.content  返回源代码的字节码,不做解析 , decode(编码类型) 把字节码转换为指定的编码
# print(r.content.decode("utf-8"))

C:\Anaconda3\python.exe D:/AI/01-AI基础/AI-3-Python高级/01爬虫PPT/day1_爬虫第一天/day1_爬虫第一天/demo1_requests请求.py
<class 'requests.models.Response'>
200
ISO-8859-1

Process finished with exit code 0

# 尝试请求知乎
url="https://www.zhihu.com"
url="http://httpbin.org/get"
r=requests.get(url) # 直接请求知乎失败,得到400 错误,因为知乎做了UA(User-Agent)判断
# 请求 测试网站,发现 UA 是 python-requests/2.18.4,知乎发现了我们是使用爬虫访问的,所以限制了我们,我们需要自己设定UA访问
headers={
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"
}
r=requests.get(url,headers=headers) # 加上UA了之后就可以访问了
print(r.text)

C:\Anaconda3\python.exe D:/AI/01-AI基础/AI-3-Python高级/01爬虫PPT/day1_爬虫第一天/day1_爬虫第一天/demo1_requests请求.py
{
  "args": {}, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Host": "httpbin.org", 
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36", 
    "X-Amzn-Trace-Id": "Root=1-5ec61689-d50feea5d79d5262f616590e"
  }, 
  "origin": "1.199.74.105", 
  "url": "http://httpbin.org/get"
}


Process finished with exit code 0

# json 字符串处理
url="http://httpbin.org/get"
headers={
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"
}
r=requests.get(url,headers=headers) # 加上UA了之后就可以访问了
json_str=r.text # 返回的类似 字典或者列表的字符串,但是是 str类型, 我们叫它 json字符串 ,是一种数据交换格式,各个语言都有解析json的方式
# print(r.text['origin'])
print(type(r.text))
# 引入python的json模块,可以解析 json字符串
import json
# json.loads() 是把 json字符串转换成  python对象
json_dict=json.loads(json_str)
json_dict=r.json() # requests模块自带的json解析
print(json_dict)
print(type(json_dict))
print(json_dict['origin'])

C:\Anaconda3\python.exe D:/AI/01-AI基础/AI-3-Python高级/01爬虫PPT/day1_爬虫第一天/day1_爬虫第一天/demo1_requests请求.py
<class 'str'>
{'args': {}, 'headers': {'Accept': '*/*', 'Accept-Encoding': 'gzip, deflate', 'Host': 'httpbin.org', 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36', 'X-Amzn-Trace-Id': 'Root=1-5ec616ec-633deb50535c79c0b6312860'}, 'origin': '1.199.74.105', 'url': 'http://httpbin.org/get'}
<class 'dict'>
1.199.74.105

Process finished with exit code 0

# 获取原始内容 stream=True 流式传输
url="http://www.521609.com/xuexiaojianjie/yibandaxue/11140.html"
headers={
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"
}
r=requests.get(url,headers=headers)
print(r.text) # 会解析成乱码,因为是一张图片,没有办法通过文本的方式解析
print(r.content) # 返回原始内容,但是是一次性把整个文件下载下来,如果遇到了大文件,就不好处理了
# 在请求的时候加上 stream= True
r=requests.get(url,headers=headers,stream=True)
# 读取的时候 使用 r.iter_content(num) 每次读取num字节
with open("xiaohuar1.jpg",'wb') as file:
    for j in r.iter_content(10240): #每次读取10240字节= 10kb 写入到文件中
        file.write(j)

# # 下载音频
url="https://m10.music.126.net/20190824144952/faa8f0ca7ae422e8866afadfa3aa62d5/ymusic/0f53/510b/0709/895a49dd17fa7ae02f850c1b4d4df12e.mp3"
r=requests.get(url,headers=headers,stream=True)
with open("孤身.mp3",'wb') as file:
    for j in r.iter_content(10240):
        file.write(j)

# get 方式传递参数
# 1.直接拼接在url后方
url="http://www.antvv.com/?cate=3"
# 2.使用params 参数
url="http://www.antvv.com"
params={
    "cate":"2"
}
r=requests.get(url,params=params)
print(r.text)

# timeout=float   设置超时秒数,如果超过了设定时间,服务器没有返回内容,则报错
url="https://www.zhihu.com"
try:
    r=requests.get(url,timeout=0.1)
except BaseException:
    print("超时了,")
else:
    print(r.text)

C:\Anaconda3\python.exe D:/AI/01-AI基础/AI-3-Python高级/01爬虫PPT/day1_爬虫第一天/day1_爬虫第一天/demo1_requests请求.py
超时了,

Process finished with exit code 0

# proxies={} 设置代理
url="http://httpbin.org/get"
proxies={
    "http":"183.166.138.176:808"
}
r=requests.get(url,proxies=proxies)
print(r.text) # 101.80.14.201 成功后,发现服务器检测到的ip是183.166.138.176

# 网站请求post接口
# http://httpbin.org/post
url="http://httpbin.org/post"
# data 向服务器发送表单数据,一般做模拟登录使用
data={
    "username":"admin1234",
    "password":"888888"
}
# files 向服务器发送文件
files={
    # "img":open("xiaohuar.jpg",'rb')
    "html":open("index.html",'rb')
}
# data 向服务器发送json字符串,只需要把data使用json.dumps()转换一下即可

r=requests.post(url,data=data,files=files)
print(r.text)

C:\Anaconda3\python.exe D:/AI/01-AI基础/AI-3-Python高级/01爬虫PPT/day1_爬虫第一天/day1_爬虫第一天/demo1_requests请求.py
{
  "args": {}, 
  "data": "", 
  "files": {
    "html": "<!DOCTYPE html>\r\n<html lang=\"en\">\r\n<head>\r\n    <meta charset=\"UTF-8\">\r\n    <title>Title</title>\r\n</head>\r\n<body>\r\n<div>hello world</div>\r\n<a href=\"https://www.baidu.com\">\u767e\u5ea6\u4e00\u4e0b\u4f60\u5c31\u77e5\u9053</a>\r\n<p>\u4eca\u5929\u662f2019\u5e74,\u4eca\u5929\u5f88\u70ed</p>\r\n<p>\u4e0d\u8fc7\u8fd8\u597d,\u6709\u7a7a\u8c03</p>\r\n<img src=\"http://www.antvv.com/zb_users/theme//blacklee/style/images/mlogo.png\">\r\n        <li id=\"nvabar-item-index\"><a href=\"http://www.antvv.com/\">\u9996\u9875</a></li>\r\n        <li id=\"navbar-page-2\"><a href=\"http://www.antvv.com/?id=2\">\u7559\u8a00\u672c</a></li>\r\n        <li id=\"navbar-category-2\"><a href=\"http://www.antvv.com/?cate=2\">PHP</a></li>\r\n        <li id=\"navbar-category-3\"><a href=\"http://www.antvv.com/?cate=3\">\u6563\u6587\u968f\u7b14</a></li>\r\n        <li id=\"navbar-category-4\"><a href=\"http://www.antvv.com/?cate=4\">Python</a></li>\r\n        <li id=\"navbar-category-5\"><a href=\"http://www.antvv.com/?cate=5\">Linux</a></li>\r\n</body>\r\n</html>"
  }, 
  "form": {
    "password": "888888", 
    "username": "admin1234"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "1244", 
    "Content-Type": "multipart/form-data; boundary=e3f9bb77d0c14bd4914d6ea0c4f27c57", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.18.4", 
    "X-Amzn-Trace-Id": "Root=1-5ec61a0a-54b8dbe8ad0a8d105e84ff70"
  }, 
  "json": null, 
  "origin": "1.199.74.105", 
  "url": "http://httpbin.org/post"
}


Process finished with exit code 0

HJZ11

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
爬虫01-requests模块

import requests# 网址url="http://www.antvv.com"url="https://www.woyaogexing.com"r=requests.get(url)# print(r) #<Response [200]> 返回值对象,返回了一个http状态码print(type(r))# text 获取返回值的源代码,如果误判了编码会乱码# print(r.text)# status_code 返回的状态码，200代表请求成功，得到返回值p
复制链接

扫一扫