Python3爬虫系列整理（二）requests

Python3爬虫系列整理（二）requests第三方库

requests是python实现的简单易用的HTTP库，使用起来比urllib简洁很多****

是指从客户端到服务器端的请求消息。包括：消息首行中，对资源的请求方法、资源的标识符及使用的协议。****

因为是第三方库，所以使用前需要cmd安装

pip install requests

安装完成后import一下，正常则说明可以开始使用了。

1.基本用法：

requests.get()用于请求目标网站，类型是一个HTTPresponse类型

import requests

response = requests.get(‘http://www.baidu.com’)
print(response.status_code) # 打印状态码
print(response.url) # 打印请求url
print(response.headers) # 打印头信息
print(response.cookies) # 打印cookie信息print(response.text) #以文本形式打印网页源码
print(response.content) #以字节流形式打印

运行结果：

状态码：200

url：www.baidu.com

headers信息

---

** 强调http://httpbin.org/******

有知道接口是什么的打1 不知道打2 知道而且会写接口打3

各种请求方式：

import requests

requests.get(‘http://httpbin.org/get’)

requests.post(‘http://httpbin.org/post’)

requests.put(‘http://httpbin.org/put’)

requests.delete(‘http://httpbin.org/delete’)

requests.head(‘http://httpbin.org/get’)

requests.options(‘http://httpbin.org/get’)


2.基本的get请求

import requests

response = requests.get(‘http://httpbin.org/get’)

print(response.text)

结果


3.带参数的GET请求：

第一种直接将参数放在url内

import requests

response = requests.get(http://httpbin.org/get?name=gemey&age=22)

print(response.text)

结果


4.另一种先将参数填写在dict中，发起请求时params参数指定为dict

import requests

data = {

​ ‘name’: ‘tom’,

​ ‘age’: 20

}

response = requests.get(‘http://httpbin.org/get’, params=data)

print(response.text)

结果同上

5.解析json

import requests

response = requests.get(‘http://httpbin.org/get’)

print(response.text)

print(response.json()) #response.json()方法同json.loads(response.text)

print(type(response.json()))

结果


6.简单保存一个二进制文件

二进制内容为response.content

import requests

response = requests.get(‘http://img.ivsky.com/img/tupian/pre/201708/30/kekeersitao-002.jpg’)

b = response.content

with open(‘fengjing.jpg’,‘wb’) as f:

​ f.write(b)

为你的请求添加头信息

import requests

heads = {}
heads[‘User-Agent’] = 'Mozilla/5.0 ’
​ '(Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 ’
​ ‘(KHTML, like Gecko) Version/5.1 Safari/534.50’

response = requests.get(‘http://www.baidu.com’,headers=headers)

7.基本POST请求：

import requests

data = {‘name’:‘tom’,‘age’:‘22’}

response = requests.post(‘http://httpbin.org/post’, data=data)


8.获取cookie

#获取

cookieimport requests

response = requests.get(‘http://www.baidu.com’)print(response.cookies)print(type(response.cookies))for k,v in response.cookies.items():

​ print(k+’:’+v)

结果：


9.session会话维持

互动：什么是session 知道打1 不知道打2

老师给大家解释下：

**session用于存储有关用户（理解成客户端/浏览器也可以）会话的信息。********Session 变量保存的信息是单一用户的，并且可供应用程序中的所有页面使用。********大概流程就是：用户打开浏览器访问一起网站，浏览器的COOKIE中会生成sessionID，在每次请求时都会自动带上sessionID，然后服务器端根据sessionID找到对应的session值。********sessionID就相当于是一个钥匙，服务器上存session的地方相当于一个柜子，只能拿自己的钥匙开自己的柜子取自己的东西。**session一般存储用户相关的的信息，如用户登录状态、权限控制等，其他的信息也可存。另外就是无论你站点上的用户是否登录都会生成sessionID。

import requests

session = requests.Session()

session.get(‘http://httpbin.org/cookies/set/number/12345’)

response = session.get(‘http://httpbin.org/cookies’)

print(response.text)

结果：


10.超时异常捕获

**import **requests
**from **requests.exceptions import ReadTimeout
try:
​ res = requests.get(‘http://httpbin.org’, timeout=0.1)
​ print(res.status_code)
except ReadTimeout:
​ print(“timeout!”)

11.异常处理

在你不确定会发生什么错误时，尽量使用try…except来捕获异常

所有的requests exception：

import requestsfrom requests.exceptions import ReadTimeout,HTTPError,RequestException

try:

​ response = requests.get(‘http://www.baidu.com’,timeout=0.5)

​ print(response.status_code)except ReadTimeout:

​ print(‘timeout’)except HTTPError:

​ print(‘httperror’)except RequestException:

print(‘reqerror’)