【大部分内容属转载并经过整理】python 爬虫请求模块requests

最新推荐文章于 2024-09-02 23:14:47 发布
最新推荐文章于 2024-09-02 23:14:47 发布
阅读量191 收藏 1
点赞数
分类专栏： Python学习笔记 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/laoluobo76/article/details/108116575
版权

文章目录

requests

相比urllib，第三方库requests更加简单人性化，是爬虫工作中常用的库

requests安装

初级爬虫的开始主要是使用requests模块
安装requests模块：
Windows系统：
cmd中：

pip install requests

mac系统中：
终端中：

pip3 install requests

requests库的基本使用

import requests

url = 'https://www.csdn.net/'
reponse = requests.get(url)
#返回unicode格式的数据(str) 
print(reponse.text)

在这里插入图片描述

响应对象response的用法

  • response.text 返回unicode格式的数据(str)
  • response.content 返回字节流数据(二进制)
  • response.content.decode(‘utf-8’) ⼿动进⾏解码
  • response.url 返回url
  • response.encode() = ‘编码’

状态码

response.status_code: 检查响应的状态码
在这里插入图片描述
例如：
200 : 请求成功
301 : 永久重定向
302 : 临时重定向
403 : 服务器拒绝请求
404 : 请求失败(服务器无法根据客户端的请求找到资源（⽹⻚）)
500 : 服务器内部请求

# 导入requests
import requests
# 调用requests中的get()方法来向服务器发送请求，括号内的url参数就是我们
# 需要访问的网址，然后将获取到的响应通过变量response保存起来
url = 'https://www.csdn.net/'  # csdn官网链接链接
response = requests.get(url)
print(response.status_code) # response.status_code: 检查响应的状态码
# 200

请求方式

requests的几种请求方式：

p = requests.get(url)
p = requests.post(url)
p = requests.put(url,data={'key':'value'})
p = requests.delete(url)
p = requests.head(url)
p = requests.options(url)

GET请求

HTTP默认的请求方法就是GET

  • 没有请求体
  • 数据必须在1K之内！
  • GET请求数据会暴露在浏览器的地址栏中

GET请求常用的操作：

  1. 在浏览器的地址栏中直接给出URL，那么就一定是GET请求
  2. 点击页面上的超链接也一定是GET请求
  3. 提交表单时，表单默认使用GET请求，但可以设置为POST

POST请求

(1). 数据不会出现在地址栏中
(2). 数据的大小没有上限
(3). 有请求体
(4). 请求体中如果存在中文，会使用URL编码！

requests.post()用法与requests.get()完全一致，特殊的是requests.post()有一个data参数，用来存放请求体数据

请求头

当我们打开一个网页时，浏览器要向网站服务器发送一个HTTP请求头，然后网站服务器根据HTTP请求头的内容生成当此请求的内容发送给服务器。
我们可以手动设定请求头的内容：

import requests

header = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36'}

url = 'https://www.csdn.net/'
reponse = requests.get(url,headers=header)
#打印文本形式
print(reponse.text)

超时设置

在本机网络状况不好或者服务器网络响应太慢甚至无响应时，我们可能会等待特别久的时间才可能会收到一个响应，甚至到最后收不到响应而报错。为了防止服务器不能及时响应，我们应该设置一个超时时间，即超过了这个时间还没有得到响应，那就报错。
设置超时时间需要用到 timeout 参数。这个时间的计算是发出 Request 到服务器返回 Response 的时间。
下面用一个实例来感受一下：

import requests

r = requests.get('https://www.taobao.com', timeout=1)
print(r.status_code)

通过这样的方式，我们可以将超时时间设置为 1 秒，如果 1 秒内没有响应，那就抛出异常。
实际上请求分为两个阶段，即 connect（连接）和 read（读取）。
上面的设置 timeout 值将会用作 connect 和 read 二者的 timeout 总和。
如果要分别指定，就可以传入一个元组：

r = requests.get('https://www.taobao.com', timeout=(5, 11))

如果想永久等待，那么我们可以直接将 timeout 设置为 None，或者不设置直接留空，因为默认是 None。这样的话，如果服务器还在运行，但是响应特别慢，那就慢慢等吧，它永远不会返回超时错误的。
用法如下：

r = requests.get('https://www.taobao.com', timeout=None)

或直接不加参数：

r = requests.get('https://www.taobao.com')

requests设置代理

使用requests添加代理只需要在请求方法中(get/post)传递proxies参数就可以了
对于某些网站，在测试的时候请求几次，能正常获取内容。但是一旦开始大规模爬取，对于大规模且频繁的请求，网站可能会直接登录验证，验证码，甚至直接把IP给封禁掉。
那么为了防止这种情况的发生，我们就需要设置代理来解决这个问题，在 Requests 中需要用到 proxies 这个参数。
可以用这样的方式设置：

import requests

proxies = {
  'http': 'http://10.10.1.10:3128',
  'https': 'http://10.10.1.10:1080',
}

requests.get('https://www.taobao.com', proxies=proxies)

当然直接运行这个实例可能不行，因为这个代理可能是无效的，请换成自己的有效代理试验一下。
若代理需要使用 HTTP Basic Auth，可以使用类似 http://user:password@host:port 这样的语法来设置代理。
实例如下：

import requests

proxies = {
    'https': 'http://user:password@10.10.1.10:3128/',
}
requests.get('https://www.taobao.com', proxies=proxies)

除了基本的 HTTP 代理，Requests 还支持 SOCKS 协议的代理。
首先需要安装 Socks 这个库，命令如下：

pip3 install "requests[socks]"

然后就可以使用 SOCKS 协议代理了，实例如下：

import requests

proxies = {
    'http': 'socks5://user:password@host:port',
    'https': 'socks5://user:password@host:port'
}
requests.get('https://www.taobao.com', proxies=proxies)

cookie

cookie ：通过在客户端记录的信息确定用户身份

HTTP是一种⽆连接协议,客户端和服务器交互仅仅限于 请求/响应过程,结束后 断开,下一次请求时,服务器会认为是一个新的客户端,为了维护他们之间的连接, 让服务器知道这是前一个用户发起的请求,必须在一个地方保存客户端信息。

requests操作Cookies很简单，只需要指定cookies参数即可

import requests
#这段cookies是从CSDN官网控制台中复制的
header = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36',
           'cookie': 'uuid_tt_dd=10_30835064740-1583844255125-466273; dc_session_id=10_1583844255125.696601; __gads=ID=23811027bd34da29:T=1583844256:S=ALNI_MY6f7VlmNJKxrkHd2WKUIBQ34Bbnw; UserName=xdc1812547560; UserInfo=708aa833b2064ba9bb8ab0be63866b58; UserToken=708aa833b2064ba9bb8ab0be63866b58; UserNick=xdc1812547560; AU=F85; UN=xdc1812547560; BT=1590317415705; p_uid=U000000; Hm_ct_6bcd52f51e9b3dce32bec4a3997715ac=6525*1*10_30835064740-1583844255125-466273!5744*1*xdc1812547560; Hm_up_6bcd52f51e9b3dce32bec4a3997715ac=%7B%22islogin%22%3A%7B%22value%22%3A%221%22%2C%22scope%22%3A1%7D%2C%22isonline%22%3A%7B%22value%22%3A%221%22%2C%22scope%22%3A1%7D%2C%22isvip%22%3A%7B%22value%22%3A%220%22%2C%22scope%22%3A1%7D%2C%22uid_%22%3A%7B%22value%22%3A%22xdc1812547560%22%2C%22scope%22%3A1%7D%7D; log_Id_click=1; Hm_lvt_feacd7cde2017fd3b499802fc6a6dbb4=1595575203; Hm_up_feacd7cde2017fd3b499802fc6a6dbb4=%7B%22islogin%22%3A%7B%22value%22%3A%221%22%2C%22scope%22%3A1%7D%2C%22isonline%22%3A%7B%22value%22%3A%221%22%2C%22scope%22%3A1%7D%2C%22isvip%22%3A%7B%22value%22%3A%220%22%2C%22scope%22%3A1%7D%2C%22uid_%22%3A%7B%22value%22%3A%22xdc1812547560%22%2C%22scope%22%3A1%7D%7D; Hm_ct_feacd7cde2017fd3b499802fc6a6dbb4=5744*1*xdc1812547560!6525*1*10_30835064740-1583844255125-466273; Hm_up_facf15707d34a73694bf5c0d571a4a72=%7B%22islogin%22%3A%7B%22value%22%3A%221%22%2C%22scope%22%3A1%7D%2C%22isonline%22%3A%7B%22value%22%3A%221%22%2C%22scope%22%3A1%7D%2C%22isvip%22%3A%7B%22value%22%3A%220%22%2C%22scope%22%3A1%7D%2C%22uid_%22%3A%7B%22value%22%3A%22xdc1812547560%22%2C%22scope%22%3A1%7D%7D; Hm_ct_facf15707d34a73694bf5c0d571a4a72=5744*1*xdc1812547560!6525*1*10_30835064740-1583844255125-466273; announcement=%257B%2522isLogin%2522%253Atrue%252C%2522announcementUrl%2522%253A%2522https%253A%252F%252Flive.csdn.net%252Froom%252Fyzkskaka%252Fats4dBdZ%253Futm_source%253D908346557%2522%252C%2522announcementCount%2522%253A0%257D; Hm_lvt_facf15707d34a73694bf5c0d571a4a72=1596946584,1597134917,1597155835,1597206739; searchHistoryArray=%255B%2522%25E8%258F%259C%25E9%25B8%259FIT%25E5%25A5%25B3%2522%252C%2522%25E5%25AE%25A2%25E6%259C%258D%2522%255D; log_Id_pv=7; log_Id_view=8; dc_sid=c0efd34d6da090a1fccd033091e0dc53; TY_SESSION_ID=7d77f76f-a4b1-43ef-9bb5-0aebee8ee475; c_ref=https%3A//www.baidu.com/link; c_first_ref=www.baidu.com; c_first_page=https%3A//www.csdn.net/; Hm_lvt_6bcd52f51e9b3dce32bec4a3997715ac=1597245305,1597254589,1597290418,1597378513; c_segment=1; dc_tos=qf1jz2; Hm_lpvt_6bcd52f51e9b3dce32bec4a3997715ac=1597387359'}

url = 'https://www.csdn.net/'
reponse = requests.get(url,headers=header)
#打印文本形式
print(reponse.text)

session

session ：通过在服务端记录的信息确定用户身份
这⾥这个session就是⼀个指 的是会话
会话对象是一种高级的用法，可以跨请求保持某些参数，比如在同一个Session实例之间保存Cookie，像浏览器一样，我们并不需要每次请求Cookie，Session会自动在后续的请求中添加获取的Cookie，这种处理方式在同一站点连续请求中特别方便

处理不信任的SSL证书

什么是SSL证书？
SSL证书是数字证书的⼀种，类似于驾驶证、护照和营业执照的电⼦副本。

因为配置在服务器上，也称为SSL服务器证书。SSL 证书就是遵守 SSL协 议，由受信任的数字证书颁发机构CA，在验证服务器身份后颁发，具有服务 器身份验证和数据传输加密功能
我们来爬一个证书不太合格的网站
在这里插入图片描述

import requests
url = 'https://inv-veri.chinatax.gov.cn/'

resp = requests.get(url)

print(resp.text)

在这里插入图片描述
我们来修改一下代码

import requests
url = 'https://inv-veri.chinatax.gov.cn/'

resp = requests.get(url,verify = False)

print(resp.text)

我们的代码又能成功爬取了
在这里插入图片描述

身份认证

在访问网站时，我们可能会遇到这样的认证页面，如图 所示：
在这里插入图片描述
如果遇到这样的网站验证，可以使用 Requests 自带的身份认证功能，实例如下：

import requests
from requests.auth import HTTPBasicAuth

r = requests.get('http://localhost:5000', auth=HTTPBasicAuth('username', 'password'))
print(r.status_code)

如果用户名和密码正确的话，请求时就会自动认证成功，会返回 200 状态码，如果认证失败，则会返回 401 状态码。
当然如果参数都传一个 HTTPBasicAuth 类，就显得有点繁琐了，所以 Requests 提供了一个更简单的写法，可以直接传一个元组，它会默认使用 HTTPBasicAuth 这个类来认证。
所以上面的代码可以直接简写如下：

import requests

r = requests.get('http://localhost:5000', auth=('username', 'password'))
print(r.status_code)

运行效果和上面的是一样的。
Requests 还提供了其他的认证方式，如 OAuth 认证，不过需要安装 oauth 包，命令如下：

pip3 install requests_oauthlib

使用 OAuth1 认证的方法如下：

import requests
from requests_oauthlib import OAuth1

url = 'https://api.twitter.com/1.1/account/verify_credentials.json'
auth = OAuth1('YOUR_APP_KEY', 'YOUR_APP_SECRET',
              'USER_OAUTH_TOKEN', 'USER_OAUTH_TOKEN_SECRET')
requests.get(url, auth=auth)

更多详细的功能就可以参考 requests_oauthlib 的官方文档：
更多的用法可以参考 Requests 的官方文档：http://docs.python-requests.org/。

以上内容主要转载至
csdn 码农一号已就位 《python 爬虫请求模块requests》
csdn 未衬老师 《【Python】Python3网络爬虫实战-25、requests：高级用法》

laoluobo76
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python 爬虫请求模块requests
xdc1812547560的博客
08-14 7552
文章目录requestsrequests安装requests库的基本使用响应对象response的⽅法状态码请求⽅式GET请求POST请求请求头requests设置代理cookiesession处理不信任的SSL证书 requests 相比urllib，第三方库requests更加简单人性化，是爬虫工作中常用的库 requests安装 初级爬虫的开始主要是使用requests模块 安装requests模块： Windows系统： cmd中： pip install requests mac系统中： 终端中
Python爬虫学习（二）--requests模块
ximo的博客
01-02 245
requests模块 1.安装： 一、在命令行输入： pip install requests 二、wheel安装： 下载对应的wheel文件：链接: https://pypi.python.org/pypi/requests/版本号#downloads 然后在命令行进入wheel文件目录，利用pip进行安装 pip install 文件名 2.基本用法 (1) GET请求方法： import requests r = requests.get(url='',params='' ) print(r.
基于开放平台的授权
cmg666的专栏
01-04 1149
基于 OAuth 安全协议的 Java 应用编程<br /> 李 三红, 高级软件工程师, IBM李三红，任职于 IBM 中国软件开发中心 Lotus 产品部门，负责 Lotus Notes 安全相关研发工作。在这之前，他一直从事网络应用开发相关工作。他感兴趣的技术领域包括：分布式对象计算、网络应用、OSGi、协作计算、Java 安全等方面。<br /> <br />简介： OAuth 协议致力于使网站和应用程序（统称为消费方 Consumer）能够在无须用户透露其认证信息的情况下，通过 API 访问该用户
APP的登录认证与安全
热门推荐
Enweitech Software Works
09-11 2万+
一、登录机制 粗略地分析， 登录机制主要分为登录验证、登录保持、登出三个部分。登录验证是指客户端提供用户名和密码，向服务器提出登录请求，服务器判断客户端是否可以登录并向客户端确认。 登录认保持是指客户端登录后， 服务器能够分辨出已登录的客户端，并为其持续提供登录权限的服务器。登出是指客户端主动退出登录状态。容易想到的方案是，客户端登录成功后， 服务器为其分配sessionId, 客户端随后每次请...
Python 使用 Requests 模块进行身份验证！
Pythoncxy的博客
07-17 2579
Requests 可以说是 Python 最好用的 http 模块，没有之一。 它对于身份验证有非常方便的使用规则。 Python资源共享群：484031800 基本身份验证 >>> from requests.auth import HTTPBasicAuth >>> requests.get('https://api.github.com/user...
python.pycharts.Map使用
laoluobo76的博客
08-16 1万+
pyecharts安装 pip install pyecharts 额外安装的地图文件包 自从 v0.3.2 开始， pyecharts 将不再自带地图 js 文件。如需要用到地图图表（Geo、Map），可自行安装对应的地图文件包。否则在用到这两个包的时候，并能完整的显示地图效果。 全球国家地图: echarts-countries-pypkg (1.9MB): 世界地图和 213 个国家，包括中国地图 中国省级地图: echarts-china-provinces-pypkg (730KB)：2
pyecharts学习笔记-LegendOpts图例配置项（全局配置项）
laoluobo76的博客
10-13 4941
pyecharts的LegendOpts图例配置项
pyecharts学习笔记-主题风格(初始化配置InitOpts)
laoluobo76的博客
10-13 2877
pyecharts学习笔记：主题风格
环境变量（python安装）
laoluobo76的博客
07-03 637
1、环境变量作用 如果没有配置环境变量，我们将无法直接使用python命令。 勾上后会自动配置环境变量，在cmd命令行窗口，直接输入python命令，再按下回车键， 成功地进入python命令行终端窗口。 2、手动配置环境变量 如果安装Anaconda的时候忘记勾选，还可以通过以下方法手动配置环境变量。 2.1. 同时按下组合键 Win+E 打开 “资源管理器”，选中左侧的“这台电脑”，然后点击鼠标右键，打开菜单窗口，最后选择菜单项中的“属性”。如下图： 2.2 点击下图中左侧的高级系统设置 2.3
python 表达式
laoluobo76的博客
10-01 615
一、条件表达式: 条件真时的值 if 判断条件 else 条件假时的值 # |a| 求绝对值 str_a=input("请输入求绝对值a的值") a=float(str_a) x = a if a>=0 else -1*a print("x=|a|=|",a,"|=",x) 二、循环表达式: 表达式 for 循环计数器 in 可迭代对象 1、for表达式语法格式及用法 for表达式利用可迭代对象创建新的列表，for表达式也称为列表推导式，具体语法格式如下： [表达式 for 循环
ubuntu18.04安装openssh服务实现xshell访问
laoluobo76的博客
09-05 436
1.更新源列表 登录终端窗口,输入: sudo apt-get update 2.安装openssh-client ：sudo apt-get install openssh-client 3.安装openssh-server: sudo apt-get install openssh-server 4.启动ssh服务:sudo service ssh start 5.验证ssh服务是否启动成功:sudo ps -aux -ef | grep ssh 6.使用xshell链接测试 6.1在wi
Ubuntu软件操作的相关命令
laoluobo76的博客
08-31 112
sudo apt-get update 更新源 sudo apt-get install package 安装包 sudo apt-get remove package 删除包 sudo apt-cache search package 搜索软件包 sudo apt-cache show package 获取包的相关信息，如说明、大小、版本等 sudo apt-get install package --reinstall 重新安装包 sudo apt-get -f install 修复安装 s
python从入门到精通：数据可视化-图形开发
2401_83283514的博客
08-29 1102
• Json是一种轻量级的数据交互格式，可以按照Json指定的格式去组织和封装数据• Json本质上是一种带有特殊格式的字符串主要功能：json就是一种在各个编程语言中流通的数据格式，负责不同编程语言中的数据传递和交互，类似于：• 国际通用语言-英语• 中国不同名族的通用语言-中文（普通话）• 各种编程语言存储数据的容器不尽相同，在python中有字典dict这样的数据类型，而其它语言可能没有对应的字典。为了让不同的语言都能够相互通用的互相传递数据，Json就是一种非常良好的数据中转格式。
【python】关于判断空值None、判断len()=0，和 if not 的区别
Meggie35的博客
08-28 6891
python的“空”与“无”之辩，关于None，和空数值。在程序中，判断里面没有值和判断东西是不是为空，也是不一样的东西，我们可以往下看看具体的区别。
jupter_notebook简单介绍以及安装使用
Ctrl+CV九段手
09-02 797
Jupyter如果工作主要涉及数据科学、机器学习、教育或需要创建可共享的交互式文档，Jupyter Notebook 是一个很好的选择。如果需要一个全面的开发环境来构建和维护大型的 Python 应用程序，或者正在从事软件工程项目，PyCharm 会更适合哦！
使用 DrissionPage 和 2Captcha 处理 Turnstile 验证并获取 Faucet 签名
qq_41631913的博客
08-30 1075
本教程介绍了两种获取 Cloudflare Turnstile 验证值并使用 faucet 签名 API 的方法。第一种方法通过 DrissionPage 模拟浏览器操作，手动获取验证码值。第二种方法则通过 2Captcha 服务，自动化解决验证码问题。
爬取长篇小说：选择何种IP策略最佳？
KookeeyLena5的博客
08-29 389
在爬取长篇小说时，选择合适的IP策略至关重要。根据目标网站的反爬虫机制、请求频率限制以及爬取需求的不同，可以选择静态IP、动态IP、住宅IP或数据中心IP等不同类型的IP地址。同时，使用代理服务器或VPN等工具可以进一步提高爬取的稳定性和效率。在爬取过程中，应遵循最佳实践，确保爬取行为的合法性和稳定性。
CUDA编程08 - 并行编程思维
最新发布
GPU全栈博主-程序哥
09-02 528
到目前为止，我们集中于学习并行编程的实用知识，包括CUDA编程接口特性、GPU架构、性能优化技术、并行模式和应用案例研究。在本章中，我们将讨论更为抽象的概念。我们将并行编程概括为一种思维过程，即设计或选择并行算法，并将一个实际问题分解基本的工作单元，这些工作单元可以由所选的算法高效地执行。具备强大思维技能的程序员不仅会分析问题，还会转变实际问题的结构：哪些部分本质上是串行的，哪些部分适合并行执行，以及将前者的部分转移到后者所涉及的一些权衡。
Python爬虫基础：requests模块与HTTP请求详解
本文主要介绍了Python爬虫中的requests库的使用，探讨了爬虫的基本概念，包括通用爬虫和聚焦爬虫的区别，并提到了通用爬虫的局限性以及robots协议。此外，还讲解了HTTP与HTTPS协议的区别以及GET请求的实现。 在...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值