Requests库的安装:https://mp.csdn.net/postedit/83715574
r=requests.get(url,params=None,**kwargs)
这个r是Response对象
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库的2个重要对象
Requests库的7个主要方法
方法 | 说明 |
requests.request() | 构造一个请求,支撑一下各方法的基础方法 |
requests.get() | 获取HTML网页的主要方法,对应于HTTP的GET |
requests.head() | 获取HTML网页头信息的方法,对应于HTTP的HEAD |
requests.post() | 向HTML网页提交POST请求的方法,对应于HTTP的POST |
requests.put() | 向HTML网页提交PUT请求的方法,对应于HTTP的PUT |
requests.patch() | 向HTML网页提交局部修改请求,对应于HTTP的PATCH |
requests.delete() | 向HTML页面提交删除请求,对应于HTTP的DELETE |
Response对象包含爬虫返回的内容
Response对象属性:
r.status_code HTTP请求的返回状态,200表示链接成功,404表示失败,返回不为200都是失败的
r.text HTTP响应内容的字符串形式,即url对应的页面内容
r.encoding 从HTTP header中猜测的响应内容编码方式
r.apparent_encoding 从内容中分析出响应内容编码方式(备选编码方式)
r.content HTTP响应内容的二进制形式
理解Requests库的异常
异常 | 说明 |
requests.ConnectionError | 网络连接错误异常,如DNS查询失败、拒绝连接等 |
requests.HTTPError | HTTP错误异常 |
requests.URLRequired | URL缺失异常 |
requests.TooManyRedirects | 超过最大重定向次数,产生重定向异常 |
requests.ConnectTimeout | 连接远程服务器超时异常 |
requests.Timeout | 请求URL超时,产生超时异常 |
理解Response对象非常重要。
理解Requests库的异常,通用代码框架:
r.raise_for_status() 如果不是200,产生异常requests.HTTPError ,用这个结合try catch可以抛出异常,写在try里面,判断网站的响应状态,如果未响应抛出异常,执行catch里面的方法。
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异常
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))
HTTP协议
url格式:http://host[:port][path]
port:端口号,缺省端口为80
path:请求资源的路径
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协议对资源的操作
方法 说明
GET 请求获取URL位置的资源
HEAD 请求获取URL位置资源的响应消息报告,即获取该资源的头部信息
POST 请求向URL位置的资源后附加新的数据
PUT 请求向URL位置储存一个资源,覆盖原URL位置的资源
PATCH 请求局部更新URL位置的资源,即改变该处资源的部分内容
DELETE 请求删除URL位置存储的资源
理解PATCH和PUT的区别!
head和get是最常用到的!