文章目录
Requests库入门
一:安装
requests安装:管理员身份运行cmd,执行 pip install requests
测试是否成功:
>>> import requests
>>> response = requests.get("http://www.baidu.com")
>>> print(response.status_code)
200
>>> response.text
'<!DOCTYPE html>\r\n<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=http:
#后面的省略
二:使用
1、Requests库的七个主要方法:
方法 | 说明 |
---|---|
requests.request() | 构造一个请求,支撑以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 |
2、Requests库的get()方法:requests.get(url, params=None, **kwargs)
response = requests.get(url),:
response会返回一个包含服务器资源的Response对象。
requests.get(url) 构造一个向服务器请求资源的Request对象。
其中 url :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(Response、Request):
response = requests.get(url)
Response对象包含爬虫返回的内容,包含服务器返回的所有信息,也包含请求的Request信息。
3、Response对象的属性:
属性 | 说明 |
---|---|
response.status_code | HTTP请求的返回状态,200表示连接成功,404或其他表示失败 |
response.text | HTTP响应内容的字符串形式,即 url对应的页面内容 |
response.encoding | 从HTTP header中猜测的响应内容编码方式 |
response.qpparent_encoding | 从内容中分析出的响应内容编码方式(备选编码方式) |
response.content | HTTP响应内容的二进制形式 |
>>> import requests
>>> response = requests.get("http://www.baidu.com")
>>> response.status_code #返回200说明成功连接
200
>>> response.text #在不知道编码格式的情况下打印出来可能会乱码
'<!DOCTYPE html>\r\n<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css> #后面的省略
>>> response.encoding #从HTTP header中猜测的响应内容编码方式
'ISO-8859-1'
>>> response.apparent_encoding #从内容中分析出的响应内容编码方式
'utf-8'
>>> response.encoding = "utf-8" #设置它的编码
>>> response.text #再次打印就不会乱码
'<!DOCTYPE html>\r\n<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css><title>百度一下,你就知道</title></head> <body link=#0000cc> <div id=wrapper> <div id=head> <div
#后面的省略
4、Response的编码:
1、response.encoding(从HTTP header中猜测的响应内容编码方式):如果header中不存在charset,则认为编码为“ISO‐8859‐1”, response.text根据response.encoding显示网页内容。
2、response.apparent_encoding(从内容中分析出的响应内容编码方式):根据网页内容分析出的编码方式 可以看作是response.encoding的备选
网络连接有风险,异常处理很重要,通用代码框架:
import requests
def getHTMLText(url):
try:
response = requests.get(url, timeout=30)
response.raise_for_status() #如果状态码不是200,则引发HTTPError异常
response.encoding = response.apparent_encoding
return response.text
except:
return "爬取失败"
if __name__ == "__main__":
url = "http://www.baidu.com"
print(getHTMLText(url))
运行结果:
<!DOCTYPE html>
<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css><title>百度一下,你就知道</title></head> <body link=#0000cc> <div id=wrapper> <div id=head> <div
#此处省略不计其数的字
</p> <p id=cp>©2017 Baidu <a href=http://www.baidu.com/duty/>使用百度前必读</a> <a href=http://jianyi.baidu.com/ class=cp-feedback>意见反馈</a> 京ICP证030173号 <img src=//www.baidu.com/img/gs.gif> </p> </div> </div> </div> </body> </html>
5、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.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 |
requests.URLRequired | URL缺失异常 |
response.raise_for_status() | 不是200,产生异常 requests.HTTPError |
response.raise_for_status()在方法内部判断r.status_code是否等于200,不需要增加额外的if语句,该语句便于利用try‐except进行异常处理。
6、HTTP协议对资源的操作
方法 | 说明 |
---|---|
GET | 请求获取URL位置的资源 |
GEAD | 请求获取URL位置资源的响应消息报告,即获得该资源的头部信息 |
POST | 请求向URL位置的资源后附加新的数据 |
PUT | 请求向URL位置存储一个资源,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 |
7、PATCH和PUT的区别:
假设url位置有一组数据UserInfo,包括UserID、UserName等20个字段。
需求:用户修改了UserName,其他不变;
1、采用PATCH,仅向url提交UserName的局部更新请求;
2、采用PUT,必须将所有20个字段一并提交到url,未提交字段被删除 PATCH的最主要好处:节省网络带宽。
8、requests.request(method, url, **kwargs)
①、method : 请求方式,对应get/put/post等7种。
②、url : 拟获取页面的url链接。
③、**kwargs: 控制访问的参数,共13个。
method请求方法 |
---|
response = requests.request(‘GET’, url, **kwargs) |
response = requests.request(‘HEAD’, url, **kwargs) |
response = requests.request(‘POST’, url, **kwargs) |
response = requests.request(‘PUT’, url, **kwargs) |
response = requests.request(‘PATCH’, url, **kwargs) |
response = requests.request(‘delete’, url, **kwargs) |
response = requests.request(‘OPTIONS’, url, **kwargs) |
**kwargs: 控制访问的参数,均为可选项
①、params : 字典或字节序列,作为参数增加到url中
import requests
kv = {'key1': 'value1', 'key2': 'value2'}
response = requests.request('GET', 'http://www.baidu.com', params=kv)
print(response.url)
运行结果:
http://www.baidu.com/?key1=value1&key2=value2
②、data : 字典、字节序列或文件对象,作为Request的内容
import requests
kv = {'key1': 'value1', 'key2': 'value2'}
response = requests.request('POST', 'http://www.baidu.com', data=kv)
body = '主体内容'
response = requests.request('POST', 'http://www.baidu.com', data=body)
③、json : JSON格式的数据,作为Request的内容
import requests
kv = {'key1': 'value1', 'key2': 'value2'}
response = requests.request('POST', 'http://www.baidu.com', json=kv)
④、headers : 字典,HTTP定制头
import requests
head = {'user‐agent': 'Chrome/10'} #修改请求头,避免服务器识别出requests爬虫
response = requests.request('POST', 'http://www.baidu.com', headers=hd)
⑤、cookies : 字典或CookieJar,Request中的cookie
⑥、auth : 元组,支持HTTP认证功能
⑦、files : 字典类型,传输文件
import requests
fs = {'file': open('test.txt', 'rb')}
response = requests.request('POST', 'http://www.baidu.com', files=fs)
⑧、timeout : 设定超时时间,秒为单位
response = requests.request('GET', 'http://www.baidu.com', timeout=30)
⑨、proxies : 字典类型,设定访问代理服务器,可以增加登录认证
import requests
pxs = { 'http': 'http://user:pass@110.110.110.110:110'
'https': 'https://110.110.110.110:110' }
response = requests.request('GET', 'http://www.baidu.com', proxies=pxs)
⑩、allow_redirects : True/False,默认为True,重定向开关。
stream : True/False,默认为True,获取内容立即下载开关。
verify : True/False,默认为True,认证SSL证书开关。
cert : 本地SSL证书路径。