Python爬虫(2):Requests的基本用法
虽然Python有内置的urllib
库,可以实现网络的请求,但是我并不推荐。因为urllib
在很多时候使用起来不方便,比如加一个代理,处理Cookie
时API都很繁琐,再比如发送一个POST
请求也很麻烦。
而Requests
就相当于urllib
的升级版本,简化了urllib
的使用方法。有了Requests
,我们可以用几句代码实现代理的设置,Cookie
的设置,非常方便。下面我就给大家整理了Requests
库的使用方法和细节。详细可以参考Requests
官方文档。
什么是Requests?
Requests
是Python
语言编写,基于urllib3
,采用Apache2 Licensed
开源协议的HTTP库。
它比urllib
更加方便,可以节约我们大量的工作,完全满足HTTP
测试需求。是Python
实现的简单易用的HTTP
库。
安装也很简单:pip install requests
Requests的语法操作
1.实例引入
import
requests
print
(response.status_code)
print
(
type
(response.text))
print
(response.text)
print
(response.cookies)
|
运行结果:
200
<
class
'str'
>
# ...HTML网页源码..
<RequestsCookieJar[]>
|
可以看到,我们非常方便的就获取到了Cookies
.
2.各种请求方式
import
requests
|
官方文档里提供的这个网址足够我们测试这些请求方式了。
请求
1.基本GET请求
这个我们前面有使用过,也是最常用的方法。运行成功就可以看到网页的源码了。
2.带参数的GET请求
import
requests
data
=
{
'name'
:
'jack'
,
'age'
:
20
}
print
(resp.text)
|
传入参数只需要我们把数据生成一个字典,然后调用params
参数,赋值给他就可以,是不是很方便。
3.解析json
import
requests
import
json
print
(resp.text)
print
(resp.json())
print
(json.loads(resp.text))
print
(
type
(resp.json()))
|
运行结果:
可以看出Requests
的jaon
解析和json
的loads
方法解析出来的结果是完全一样的。所以Requests
可以很方便的解析json
数据。
4.获取二进制数据
import
requests
print
(resp.content)
print
(resp.text)
|
运行成功我们可以看到content
方法获取的图片页面源码是二进制数据,而text
获取的则是字符串代码。显然获取图片这种二进制数据需要使用content
方法。
with
open
(
'logo.gif'
,
'wb'
) as f:
f.write(resp.content)
|
这样我们就保存了图片,我们可以在文件夹下看到这张图片。
5.添加headers
import
requests
headers
=
{
'User-Agent'
:
'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
}
print
(resp.text)
|
有些网页如果我们直接去请求的话,他会查看请求的对象是不是浏览器,如果没有浏览器信息就会禁止我们爬虫的访问,这个时候我们就要给爬虫加一个headers
,加一个浏览器的user-agent
信息。这样我们就可以正常访问了。如果有的伙伴不知道怎么得到User-Agent
,可以打开浏览器的审查元素,找到network
,随便点击一个链接就可以看到User-Agent
的信息了。
6.基本POST请求
import
requests
data
=
{
'name'
:
'jack'
,
'age'
:
20
}
print
(resp.text)
|
一个POST
必然是要有一个Form Data
的表单提交的,我们只要把信息传给data
参数就可以了。一个POST
请求只需要调用post
方法,是不是特别方便呢。如果不觉得方便的话,可以去参考urllib
的使用方法。
响应
1.response属性
import
requests
print
(
type
(response.status_code))
# 状态码
print
(
type
(response.text))
# 网页源码
print
(
type
(response.headers))
# 头部信息
print
(
type
(response.cookies))
# Cookie
print
(
type
(response.url))
# 请求的url
print
(
type
(response.history))
# 访问的历史记录
|
获取这些信息只需要简单的调用就可以实现了。
2.状态码判断
>>>
import
requests
>>>exit()
if
not
resp.status_code
=
=
200
else
print
(
'Sucessful'
)
Sucessful
|
如果发送了一个错误请求(一个4XX客户端错误,或者5XX服务器错误响应),我们可以通过 Response.raise_for_status()
来抛出异常:
>>>bad_r.status_code
404
>>>bad_r.raise_for_status()
Traceback (most recent call last):
File
"requests/models.py"
, line
832
,
in
raise_for_status
raise
http_error
requests.exceptions.HTTPError:
404
Client Error
|
好了,这篇文章我们了解了Requests
库的基本语法操作,相信大家对Requests
库的请求和响应已经很清楚了,大家完全可以抓取一些网页了。
纸上得来终觉浅,绝知此事要躬行,大家加油!
系列文章
- Python爬虫(1):基本原理
- Python爬虫(2):Requests的基本用法
- Python爬虫(3):Requests的高级用法
- Python爬虫(4):Beautiful Soup的常用方法
- Python爬虫(5):豆瓣读书练手爬虫
- Python爬虫(6):煎蛋网全站妹子图爬虫
- Python爬虫(7):多进程抓取拉钩网十万数据
- Python爬虫(8):分析Ajax请求爬取果壳网
- Python爬虫(9):Cookie介绍和模拟登录
- Python爬虫(10):Selenium+PhantomJS基本操作
- Python爬虫(11):Scrapy框架的安装和基本使用
- Python爬虫(12):Scrapy组件的用法
- Python爬虫(13):Scrapy实战抓取网易云音乐
原文地址:https://www.yukunweb.com/2017/5/python-spider-Requests-basic/