python requests 模块

最新推荐文章于 2024-05-22 14:55:11 发布

joker_hai

最新推荐文章于 2024-05-22 14:55:11 发布

阅读量1k

点赞数

分类专栏： python 文章标签：爬虫 requests

本文链接：https://blog.csdn.net/nd211314555/article/details/88376069

版权

python 专栏收录该内容

7 篇文章 1 订阅

订阅专栏

requests 模块

headers参数的使用
- requests模块是一个第三方模块，需要在你的python(虚拟)环境中额外安装
  
  pip install requests
- requests模块发送get请求
  1. 需求:通过requests向百度发送请求，获取该页面的源码
  2. 运行下面的代码，观察打印输出的结果
```
#1.2.1-简单的代码实现
import requests

#目标url
url = 'https:/www.baidu.com'

#向目标url发送get请求
response = requests.get(url)

#打印响应内容

pirnt(response.text)
```
- response响应对象
  - 观察上边代码运行结果发现，有好多乱码；这是因为编解码使用的字符集不同早造成的；我们尝试使用下边的办法来解决中文乱码问题
```
# 1.2.2-response.content
import requests 

# 目标url
url = 'https://www.baidu.com' 

# 向目标url发送get请求
response = requests.get(url)

# 打印响应内容
# print(response.text)
print(response.content.decode()) # 注意这里！
```
1. response.text是requests模块按照chardet模块推测出的编码字符集进行解码的结果
2. 网络传输的字符串都是bytes类型的，所以response.text = response.content.decode(‘推测出的编码字符集’)
3. 我们可以在网页源码中搜索charset，尝试参考该编码字符集，注意存在不准确的情况
- Response.text和response.content的区别
- response.text
  - 类型：str
  - 解码类型： requests模块自动根据HTTP 头部对响应的编码作出有根据的推测，推测的文本编码
- response.content
  - 类型：bytes
  - 解码类型：没有指定
- 通过对response.content进行decode，来解决中文乱码
- response.content.decode() 默认utf-8
- response.content.decode("GBK")
- 常见的编码字符集
  - utf-8
  - gbk
  - gb2312
  - ascii （读音：阿斯克码）
  - iso-8859-1
- response响应对象的其它常用属性或方法
  
  ``response = requests.get(url)`中response是发送请求获取的响应对象；response响应对象中除了text、content获取响应内容以外还有其它常用的属性或方法：
- response.url响应的url；有时候响应的url和请求的url并不一致
- response.status_code 响应状态码
- response.request.headers 响应对应的请求头
- response.headers 响应头
- response.request._cookies 响应对应请求的cookie；返回cookieJar类型
- response.cookies 响应的cookie（经过了set-cookie动作；返回cookieJar类型
- response.json()自动将json字符串类型的响应内容转换为python对象（dict or list）
```
# 1.2.3-response其它常用属性
import requests

# 目标url
url = 'https://www.baidu.com'

# 向目标url发送get请求
response = requests.get(url)

# 打印响应内容
# print(response.text)
# print(response.content.decode()) # 注意这里！
print(response.url)
print(response.status_code)
print(response.request.headers)
print(response.headers)
print(response.request._cookies)
print(response.cookies)
```
- requests模块发送请求方法的参数
  - 发送带hearder的请求
```
import requests

url = 'https://www.baidu.com'

response = requests.get(url)

print(response.content.decode())

# 打印响应对应请求的请求头信息
print(response.request.headers)
```
- 携带请求头发送请求的方法
  
  requests.get(url,headers=headers)
  - headers参数接收字典形式的请求头
  - 请求头字段名作为key，字段对应的值作为value
- 完成代码实现
```
import requests

url = 'https://www.baidu.com'

headers = {"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36"}

# 在请求头中带上User-Agent，模拟浏览器发送请求
response = requests.get(url, headers=headers) 

print(response.content)

# 打印请求头信息
print(response.request.headers)
```
headers中携带cookie
- 网站经常利用请求头中的Cookie字段来做用户访问状态的保持，那么我们可以在headers参数中添加Cookie，模拟普通用户的请求。我们以github登陆为例：
- GitHub 登录抓包分析
  1. 打开浏览器，右键-检查，点击Net work，勾选Preserve log
  2. 访问github登陆的url地址 https://github.com/login
  3. 输入账号密码点击登陆后，访问一个需要登陆后才能获取正确内容的url，比如点击右上角的Your profile访问https://github.com/USER_NAME
  4. 确定url之后，再确定发送该请求所需要的请求头信息中的User-Agent和Cookie
- 完整代码
  1. 从浏览器中复制User-Agent和Cookie
  2. 浏览器中的请求头字段和值与headers参数中必须一致
  3. headers请求参数字典中的Cookie键对应的值是字符串
```
import requests

url = 'https://github.com/USER_NAME'

# 构造请求头字典
headers = {
    # 从浏览器中复制过来的User-Agent
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36',
    # 从浏览器中复制过来的Cookie
    'Cookie': 'xxx这里是复制过来的cookie字符串'
}

# 请求头参数字典中携带cookie字符串
resp = requests.get(url, headers=headers)

print(resp.text)
```
cookies参数的使用
1. cookies参数的形式：字典
  
  cookies = {"cookie的name":"cookie的value"}
  - 该字典对应请求头中Cookie字符串，以分号、空格分割每一对字典键值对
  - 等号左边的是一个cookie的name，对应cookies字典的key
  - 等号右边对应cookies字典的value
2. cookies参数的使用方法
  
  response = requests.get(url, cookies)
3. 将cookie字符串转换为cookies参数所需的字典：
  
  cookies_dict = {cookie['name']:cookie['value'] for cookie in cookies_str.split('; ')}
4. 注意：cookie一般是有过期时间的，一旦过期需要重新获取
cookieJar的转换方法
- 在使用request获取的response对象，具有cookies属性。该属性值是一个cookieJar类型，包含了对方服务器设置在本地的cookie。我们如何将其转换为cookies字典呢？
  1. 转换方法
    
    cookies_dict = requests.utils.dict_from_cookiejar(response.cookies)
  2. 其中response.cookies返回的就是cookieJar类型的对象
  3. requests.utils.dict_from_cookiejar函数返回cookies字典
超时参数timeout的使用
- 在平时网上冲浪的过程中，我们经常会遇到网络波动，这个时候，一个请求等了很久可能任然没有结果。
  
  在爬虫中，一个请求很久没有结果，就会让整个项目的效率变得非常低，这个时候我们就需要对请求进行强制要求，让他必须在特定的时间内返回结果，否则就报错。
  1. 超时参数timeout的使用方法
    
    response = requests.get(url, timeout = 3)
  2. Timeout = 3表示:
    
    发送请求后，3秒钟内返回相应，否则就抛出异常
代理ip参数proxies的使用
- 了解代理以及proxy代理参数的使用
  - proxy代理参数通过指定代理ip，让代理ip对应的正向代理服务器转发我们发送的请求，那么我们首先来了解一下代理ip以及代理服务器
- 理解使用代理的过程
  1. 代理ip是一个ip,指向的是一个代理服务器
  2. 代理服务器能够帮我们向目标服务器转发强求
- 正想代理与反向代理区别
  - 前边提到proxy参数指定的代理ip指向的是正向的代理服务器，那么相应的就有反向服务器；现在来了解一下正向代理服务器和反向代理服务器的区别
    1. 从发送请求的一方的角度，来区分正向或反向代理
    2. 为浏览器或客户端（发送请求的一方）转发请求的，叫做正向代理
      - 浏览器知道最终处理请求的服务器的真实ip地址，例如VPN
    3. 不为浏览器或客户端（发送请求的一方）转发请求、而是为最终处理请求的服务器转发请求的，叫做反向代理
      - 浏览器不知道服务器的真实地址，例如nginx
- 代理IP(代理服务器)的分类
  1. 根据代理ip的匿名程度，代理IP可以分为下面三类：
    - 透明代理(Transparent Proxy)：透明代理虽然可以直接“隐藏”你的IP地址，但是还是可以查到你是谁。目标服务器接收到的请求头如下：
```
REMOTE_ADDR = Proxy IP
HTTP_VIA = Proxy IP
HTTP_X_FORWARDED_FOR = Your IP
```
    - 匿名代理(Anonymous Proxy)：使用匿名代理，别人只能知道你用了代理，无法知道你是谁。目标服务器接收到的请求头如下：
```
REMOTE_ADDR = proxy IP
HTTP_VIA = proxy IP
HTTP_X_FORWARDED_FOR = proxy IP
```
    - 高匿代理(Elite proxy或High Anonymity Proxy)：高匿代理让别人根本无法发现你是在用代理，所以是最好的选择。毫无疑问使用高匿代理效果最好。目标服务器接收到的请求头如下：
```
REMOTE_ADDR = Proxy IP
HTTP_VIA = not determined
HTTP_X_FORWARDED_FOR = not determined
```
  2. 根据网站所使用的协议不同，需要使用相应协议的代理服务。从代理服务请求使用的协议可以分为：
    - http代理：目标url为http协议
    - https代理：目标url为https协议
    - socks隧道代理（例如socks5代理）等：
      1. socks 代理只是简单地传递数据包，不关心是何种应用协议（FTP、HTTP和HTTPS等）。
      2. socks 代理比http、https代理耗时少。
      3. socks 代理可以转发http和https的请求
- proxies代理参数的使用
  - 为了让服务器以为不是同一个客户端在请求；为了防止频繁向一个域名发送请求被封ip，所以我们需要使用代理ip；那么我们接下来要学习requests模块是如何使用代理ip的
- 用法：
  
  response = requests.get(url, proxies=proxies)
- proxies的形式：字典
- 例如:
```
proxies = { 
    "http": "http://12.34.56.79:9527", 
    "https": "https://12.34.56.79:9527", 
}
```
- 注意:
  
  如果proxies字典中包含有多个键值对，发送请求时将按照url地址的协议来选择使用相应的代理ip
使用verify参数忽略CA证书
- 在使用浏览器上网的时候，有时能够看到下面的提示（2018年10月之前的12306网站）：
- 原因：
  - 该网站的CA证书没有经过【受信任的根证书颁发机构】的认证
- 运行代码查看代码中向不安全的链接发起请求的结果
  - 运行下面的代码将会抛出包含ssl.CertificateError ...字样的异常
```
import requests
url = "https://sam.huat.edu.cn:8443/selfservice/"
response = requests.get(url)
```
- 解决方案
  - 为了在代码中能够正常的请求，我们使用verify=False参数，此时requests模块发送请求将不做CA证书的验证：verify参数能够忽略CA证书的认证
```
import requests
url = "https://sam.huat.edu.cn:8443/selfservice/" 
response = requests.get(url,verify=False)
```

requests模块发送post请求

response = requests.post(url,data)
data参数接收一个字典
requests模块发送post请求函数的其它参数和发送get请求的参数完全一致
- post请求练习
- 下面我们通过金山翻译的例子看看post请求如何使用
  - 地址：http://fy.iciba.com
  - 思路分析
    1. 抓包确定请求的url地址
    2. 确认请求参数

抓包分析的结论

url地址：http://fy.iciba.com/
请求方法：POST

请求所需参数：

data = {
    'f': 'auto', # 表示被翻译的语言是自动识别
    't': 'auto', # 表示翻译后的语言是自动识别
    'w': '人生苦短' # 要翻译的中文字符串
}

pc端User-Agent

User-Agent:Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36

代码实现

了解requests模块发送post请求的方法，以及分析过移动端的百度翻译之后，我们来完成代码

import requests
import json


class King(object):

    def __init__(self, word):
        self.url = "http://fy.iciba.com/ajax.php?a=fy"
        self.word = word
        self.headers = {
            "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36"
        }
        self.post_data = {
            "f": "auto",
            "t": "auto",
            "w": self.word
        }

    def get_data(self):
        response = requests.post(self.url, headers=self.headers, data=self.post_data)
        # 默认返回bytes类型，除非确定外部调用使用str才进行解码操作
        return response.content

    def parse_data(self, data):

        # 将json数据转换成python字典
        dict_data = json.loads(data)

        # 从字典中抽取翻译结果
        try:
            print(dict_data['content']['out'])
        except:
            print(dict_data['content']['word_mean'][0])

    def run(self):
        # url
        # headers
        # post——data
        # 发送请求
        data = self.get_data()
        # 解析
        self.parse_data(data)

if __name__ == '__main__':
    # king = King("人生苦短，及时行乐")
    king = King("China")
    king.run()
    # python标准库有很多有用的方法，每天看一个标准库的使用

利用requests.session进行状态保持

利用requests.session进行状态保持
- requests模块中的Session类能够自动处理发送请求获取响应过程中产生的cookie，进而达到状态保持的目的。接下来我们就来学习它
Requests.session的作用以及应用场景
- Requests.session的作用
  - 自动处理cookie,即下一次请求会带上前一次的cookie
  - Requests.session的应用场景
    - 自动处理连续的多次请求过程中产生的cookie
Requests.session的请求方法
- session实例在请求了一个网站后，对方服务器设置在本地的cookie会保存在session中，下一次再使用session请求对方服务器的时候，会带上前一次的cookie
```
session = requests.session() # 实例化session对象
response = session.get(url, headers, ...)
response = session.post(url, data, ...)
```

参考代码

import requests
import re


# 构造请求头字典
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36',
}

# 实例化session对象
session = requests.session()

# 访问登陆页获取登陆请求所需参数
response = session.get('https://github.com/login', headers=headers)
authenticity_token = re.search('name="authenticity_token" value="(.*?)" />', response.text).group(1) # 使用正则获取登陆请求所需参数

# 构造登陆请求参数字典
data = {
    'commit': 'Sign in', # 固定值
    'utf8': '✓', # 固定值
    'authenticity_token': authenticity_token, # 该参数在登陆页的响应内容中
    'login': input('输入github账号：'),
    'password': input('输入github账号：')
}

# 发送登陆请求（无需关注本次请求的响应）
session.post('https://github.com/session', headers=headers, data=data)

# 打印需要登陆后才能访问的页面
response = session.get('https://github.com/1596930226', headers=headers)
print(response.text)

本文原创，如需转载，请表名出处 ---joker_Hai

joker_hai

关注

0
点赞
踩
19

收藏

觉得还不错? 一键收藏
0
评论
python requests 模块

requests模块requests模块介绍Requests 唯一的一个非转基因的 Python HTTP 库，人类可以安全享用。警告：非专业使用其他 HTTP 库会导致危险的副作用，包括：安全缺陷症、冗余代码症、重新发明轮子症、啃文档症、抑郁、头疼、甚至死亡。requests模块作用发送http请求，获取响应数据安装pythonjar包pip install req...
复制链接

扫一扫