让requests服务人类

requests库的用法

 

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

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。

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

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')

基本的get请求

import requestsresponse = requests.get('http://httpbin.org/get')print(response.text)

 

带参数的GET请求:

第一种直接将参数放在url内

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

 

另一种先将参数填写在dict中,发起请求时params参数指定为dictimport requestsdata = {    'name': 'tom',    'age': 20}response = requests.get('http://httpbin.org/get', params=data)print(response.text)结果同上import requestsresponse = 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()))

 

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('F://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)

使用代理

同添加headers方法,代理参数也要是一个dict

这里使用requests库爬取了IP代理网站的IP与端口和类型

因为是免费的,使用的代理地址很快就失效了。

import requests

import re

 

def get_html(url):

    proxy = {

        'http': '120.25.253.234:812',

        'https' '163.125.222.244:8123'

    }

    heads = {}

    heads['User-Agent'] = 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0'

    req = requests.get(url, headers=heads,proxies=proxy)

    html = req.text

    return html

 

def get_ipport(html):

    regex = r'<td data-title="IP">(.+)</td>'

    iplist = re.findall(regex, html)

    regex2 = '<td data-title="PORT">(.+)</td>'

    portlist = re.findall(regex2, html)

    regex3 = r'<td data-title="类型">(.+)</td>'

    typelist = re.findall(regex3, html)

    sumray = []

    for i in iplist:

        for p in portlist:

            for t in typelist:

                pass

            pass

        a = t+','+i + ':' + p

        sumray.append(a)

    print('高匿代理')

    print(sumray)

 

 

if __name__ == '__main__':

    url = 'http://www.kuaidaili.com/free/'

 

    get_ipport(get_html(url))

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 requests

from 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')

展开阅读全文

没有更多推荐了,返回首页