python爬虫学习14

python爬虫学习14

• get 请求

  • 简单的GET请求

    # HTTP 中最常见的请求之一就是GET请求，首先首先来详细了解一下利用requests库构建GET请求的方法。
    
    # 下面构建一个最简单的请求，请求的链接为 https://www.httpbin.org/get,该网站会判断用户发起的是否为get请求
    import requests
    
    resp = requests.get('https://www.httpbin.org/get')
    print(resp.text)
    
    # 可以发现我们成功的发送了请求，返回结果中包含请求头、URL、IP等信息。
    

    运行结果：

    

  • 附加信息的GET请求

    # 附加信息的get请求
    # 例如现在要添加两个参数 name 和 age
    
    import requests
    # 方法一 直接改造 url
    url = 'https://www.httpbin.org/get?name=germy&age=25'
    resp = requests.get(url)
    print(resp.text)
    
    # 方法二 利用字典传参 
    
    url = 'https://www.httpbin.org/get'
    data = {
        'name': 'germy'
        , 'age': '25'
    }
    resp = requests.get(url, params=data)
    print(resp.text)
    

    运行结果：

    不用看了啊，一毛一样

  • 返回值的类型

    • 返回值的类型为 str型 但是实际上这种字符串有一种特殊的格式——json。

      # 直接解析结果，得到一个JSON格式的数据，可以直接调用JSON方法
      # 返回值的JSON格式
      import requests
      
      resp = requests.get('https://www.httpbin.org/get')
      print(type(resp.text))				# resp.text 的格式是 str
      json0 = resp.json()
      print(json0,type(json0),sep='\n')	#json0 的格式是 dict
      

      运行结果：

      

  • 抓取网页

    # 直接抓取网页
    # 抓取网页
    import requests
    import re
    
    url = 'https://ssr1.scrape.center/'
    r = requests.get(url)
    # 使用基本正则表达式来匹配所有标题的内容（后面会介绍到正则表达式的使用）
    pattern = re.compile('<h2.*?>(.*?)</h2>', re.S)
    titles = re.findall(pattern, r.text)
    print(titles)
    
    

    运行结果：

    

  • 抓取二进制数据

    # 在上面抓取网页时，实际上网页返回给我们的是一个HTML文档，若是想要抓取图片、音频、视频等文件，就要抓取对应的二进制的数据：
    
    # 在上面抓取网页时，实际上网页返回给我们的是一个HTML文档，若是想要抓取图片、音频、视频等文件，就要抓取对应的二进制的数据：
    import requests
    
    url = 'https://scape.center/favicon.ico'
    r = requests.get(url)
    print(r.text)
    print(r.content)
    

    运行结果：

    

    

    可以看到我们获得了服务器的响应，但是拿到的却是一堆乱码，它实际上是二进制数据

    # 让我们来操作一波
    import requests
    
    url = 'https://scape.center/favicon.ico'
    r = requests.get(url)
    # 把我们获取到的数据保存
    with open('favicon.ico','wb') as f:
        f.write(r.content)
    # 运行之后可以看到当先工作路径下出现了一个新的文件
    

    打开文件：

    

  • 添加请求头

    # 类似于之前 urllib 的添加方式
    # 添加请求头
    # 添加请求头 以伪装成浏览器发送请求
    import requests
    
    url = 'https://ssr1.scrape.center/'
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36 SLBrowser/8.0.0.2242 SLBChan/11'}
    r = requests.get(url, headers=headers)
    print(r.text)
    

    运行结果： 总之就是一大串源码

今日结束，未完待续…