爬虫请求模块

urllib.request模块

版本

python2 ：urllib2、urllib

python3 ：把urllib和urllib2合并

常用的方法

• urllib.request.urlopen("网址")  作用 ：向网站发起一个请求并获取响应
• 字节流 = response.read()
• 字符串 = response.read().decode("utf-8")
• urllib.request.Request"网址",headers="字典")  urlopen()不支持重构User-Agent

响应对象

• read()  读取服务器响应的内容
• getcode() 返回HTTP的响应码
• geturl()  返回实际数据的URL(防止重定向问题)

 urllib.parse模块

常用方法

• urlencode(字典)
•  quote(字符串) (这个里面的参数是个字符串)

请求方式

• GET 特点 ：查询参数在URL地址中显示
• POST

• • 在Request方法中添加data参数 urllib.request.Request(url,data=data,headers=headers)
  • data ：表单数据以bytes类型提交,不能是str

requests模块

安装

• pip install requests
• 在开发工具中安装

request常用方法

• requests.get（网址）

响应对象response的方法

• 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’

requests模块发送 POST请求

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。

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

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

 

测试网站 https://inv-veri.chinatax.gov.cn/

requests 模块源码分析