Requests库入门
- 1.requests库的安装,以管理员模式运行cmd 输入以下命令
- 2.测试安装效果
- 3.requests的主要方法:
- 4.requests库的异常:
- 5.爬取网页的通用代码框架:
- 6.HTTP协议及Requests库方法:
- 7.HTTP协议对资源的操作:
- 8.HTTP协议与requests库:
- 9.主要方法解析:
- requests.request(method, url, **kwargs)
- requests.get(url, params=None, **kwargs):
- requests.head(url, **kwargs):
- requests.post(url, data=None, json=None, **kwargs):
- requests.put(url, data=None, **kwargs):
- requests.patch(url, data=None, **kwargs):
- requests.delete(url, **kwargs):
- requests.get(url, params=None, **kwargs):
1.requests库的安装,以管理员模式运行cmd 输入以下命令
pip install requests
pycharm安装requests:在File-> Settings -> Project Interpreter中安装requests库
2.测试安装效果
import requests
r= requests.get('http://www.baidu.com')
#状态码 200为访问成功
print(r.status_code)
print(r.apparent_encoding)
r.encoding = 'utf-8'
print(r.text)
网页数据获取成功
3.requests的主要方法:
requests.get():
requests.get(url, params=None, **kwargs)
url : 拟获取页面的url链接
params : url中的额外参数,字典或字节流格式,可选
**kwargs: 12个控制访问的参数
requests.get()是一个request请求 返回一个response对象
response:包含爬虫返回的内容
>>> import requests
>>> r = requests.get('http://www.baidu.com')
>>> type(r)
<class 'requests.models.Response'>
>>> r.headers
{'Cache-Control': 'private, no-cache, no-store, proxy-revalidate, no-transform', 'Connection': 'keep-alive', 'Content-Encoding': 'gzip', 'Content-Type': 'text/html', 'Date': 'Tue, 14 Jul 2020 14:39:24 GMT', 'Last-Modified': 'Mon, 23 Jan 2017 13:27:36 GMT', 'Pragma': 'no-cache', 'Server': 'bfe/1.0.8.18', 'Set-Cookie': 'BDORZ=27315; max-age=86400; domain=.baidu.com; path=/', 'Transfer-Encoding': 'chunked'}
>>>
Response对象的属性:
r.encoding:如果header中不存在charset,则认为编码为ISO‐8859‐1
r.text根据r.encoding显示网页内容
r.apparent_encoding:根据网页内容分析出的编码方式(更加准确)
可以看作是r.encoding的备选
4.requests库的异常:
5.爬取网页的通用代码框架:
import requests
def getHTMLText(url):
try:
r = requests.get(url,timeout = 30)
r.raise_for_status()#如果状态不是200 引发HTTPError
r.encoding = r.apparent_encoding
return r.text
except:
return '产生异常'
if __name__ == '__main__':
url = 'http://www.baidu.com'
print(getHTMLText(url))
6.HTTP协议及Requests库方法:
HTTP,Hypertext Transfer Protocol,超文本传输协议
HTTP是一个基于“请求与响应”模式的、无状态的应用层协议
HTTP协议采用URL作为定位网络资源的标识,URL格式如下:
http://host[:port][path]
host: 合法的Internet主机域名或IP地址
port: 端口号,缺省端口为80
path: 请求资源的路径
HTTP URL的理解:
URL是通过HTTP协议存取资源的Internet路径,一个URL对应一个数据资源
HTTP对资源的操作:
7.HTTP协议对资源的操作:
patch和put的区别
假设URL位置有一组数据UserInfo,包括UserID、UserName等20个字段
需求:用户修改了UserName,其他不变
- 采用PATCH,仅向URL提交UserName的局部更新请求
- 采用PUT,必须将所有20个字段一并提交到URL,未提交字段被删除
PATCH的最主要好处:节省网络带宽
8.HTTP协议与requests库:
requests库的head()方法展示网络资源的概要信息
>>> import requests
>>> r = requests.head('http://httpbin.org/get')
>>> r.headers
{'Date': 'Tue, 14 Jul 2020 15:31:47 GMT', 'Content-Type': 'application/json', 'Content-Length': '305', 'Connection': 'keep-alive', 'Server': 'gunicorn/19.9.0', 'Access-Control-Allow-Origin': '*', 'Access-Control-Allow-Credentials': 'true'}
>>> r.text
''
>>>
requests库的post方法
向URL POST一个字典,自动编码为form(表单):
>>> import requests
>>> payload = {'key1':'value1','key2':'value2'}
>>>> r= requests.post('http://httpbin.org/post',data = payload)
>>>> print(t.text)
>>>> print(r.text)
{
"args": {},
"data": "",
"files": {},
"form": {
"key1": "value1",
"key2": "value2"
},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Content-Length": "23",
"Content-Type": "application/x-www-form-urlencoded",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.24.0",
"X-Amzn-Trace-Id": "Root=1-5f0dd153-67dd16d5a4e31d60903a9cf0"
},
"json": null,
"origin": "111.50.41.71",
"url": "http://httpbin.org/post"
}
>>>
向URL POST一个字符串,自动编码为data
>>> payload = 'abc'
>>> r = requests.post('http://httpbin.org/post',data = payload)
>>> print(r.text)
{
"args": {},
"data": "abc",
"files": {},
"form": {},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Content-Length": "3",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.24.0",
"X-Amzn-Trace-Id": "Root=1-5f0dd235-5923b0860d6cfd33ca7f555f"
},
"json": null,
"origin": "111.50.41.71",
"url": "http://httpbin.org/post"
}
>>>
9.主要方法解析:
requests.request(method, url, **kwargs)
- method : 请求方式,对应get/put/post等7种
= requests.request(‘GET’, url, **kwargs)
r = requests.request(‘HEAD’, url, **kwargs)
r = requests.request(‘POST’, url, **kwargs)
r = requests.request(‘PUT’, url, **kwargs)
r = requests.request(‘PATCH’, url, **kwargs)
r = requests.request(‘delete’, url, **kwargs)
r = requests.request(‘OPTIONS’, url, **kwargs) - url : 拟获取页面的url链接
- **kwargs: 控制访问的参数,共13个:
params : 字典或字节序列,作为参数增加到url中
>>> kv= {'k1':'v1','k2':'v2'}
>>> r = requests.request('GET','http://python123.io/ws',params = kv)
>>> print(r.url)
https://python123.io/ws?k1=v1&k2=v2
>>>
data : 字典、字节序列或文件对象,作为Request的内容
>>> kv= {'k1':'v1','k2':'v2'}
>>> r = requests.request('POST','http://python123.io/ws',data = kv)
json : JSON格式的数据,作为Request的内容
>>> kv= {'k1':'v1','k2':'v2'}
>>> r = requests.request('POST','http://python123.io/ws',json = kv)
headers : 字典,HTTP定制头
>>> hd = {'user‐agent': 'Chrome/10'}
>>> r = requests.request('POST', 'http://python123.io/ws', headers=hd)
cookies : 字典或CookieJar,Request中的cookie
auth : 元组,支持HTTP认证功能
files : 字典类型,传输文件
>>> fs = {'file': open('data.xls', 'rb')}
>>> r = requests.request('POST', 'http://python123.io/ws', files=fs)
timeout : 设定超时时间,秒为单位
>>> r = requests.request('GET', 'http://www.baidu.com', timeout=10)
proxies : 字典类型,设定访问代理服务器,可以增加登录认证
>>> pxs = { 'http': 'http://user:pass@10.10.10.1:1234'
'https': 'https://10.10.10.1:4321' }
>>> r = requests.request('GET', 'http://www.baidu.com', proxies=pxs)
allow_redirects : True/False,默认为True,重定向开关
stream : True/False,默认为True,获取内容立即下载开关
verify : True/False,默认为True,认证SSL证书开关
cert : 本地SSL证书路径
requests.get(url, params=None, **kwargs):
- url : 拟获取页面的url链接
- params : url中的额外参数,字典或字节流格式,可选
- **kwargs: 12个控制访问的参数
requests.head(url, **kwargs):
- url : 拟获取页面的url链接
- **kwargs: 12个控制访问的参数
requests.post(url, data=None, json=None, **kwargs):
- url : 拟更新页面的url链接
- data : 字典、字节序列或文件,Request的内容
- json : JSON格式的数据,Request的内容
- **kwargs: 12个控制访问的参
requests.put(url, data=None, **kwargs):
- url : 拟更新页面的url链接
- data : 字典、字节序列或文件,Request的内容
- **kwargs: 12个控制访问的参数
requests.patch(url, data=None, **kwargs):
- url : 拟更新页面的url链接
- data : 字典、字节序列或文件,Request的内容
- **kwargs: 12个控制访问的参数
requests.delete(url, **kwargs):
- url : 拟删除页面的url链接
- **kwargs: 12个控制访问的参数
requests.get(url, params=None, **kwargs):
- url : 拟获取页面的url链接
- params : url中的额外参数,字典或字节流格式,可选
- **kwargs: 12个控制访问的参数