一、简介
什么是requests模块:
requests模块是python中原生的基于网络请求的模块,其主要作用是用来模拟浏览器发起请求。功能强大,用法简洁高效。在爬虫领域中占据着半壁江山的地位。
为什么要使用requests模块
- 因为在使用urllib模块的时候,会有诸多不便之处,总结如下:
- 手动处理url编码
- 手动处理post请求参数
- 处理cookie和代理操作繁琐
- ......
- 使用requests模块:
- 自动处理url编码
- 自动处理post请求参数
- 简化cookie和代理操作
- ......
二、使用
安装:
- pip install requests
requests模块的使用流程
- - 指定url
- - 发起请求
- - 获得响应数据
- - 持久化存储
案例:
1、爬取搜狗搜索后的响应页面
import requests
url = 'https://www.sogou.com/web'
# 处理参数
wd = input("enter a word: ")
param = {
'query':wd
}
# UA伪装
# User-Agent 请求头信息。请求载体的身份标识
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.12 Safari/537.36'
}
# 发起请求
response = requests.get(url,params=param,headers=headers)
# 获取响应数据
page_text = response.content
# 持久化存储
fileName = wd + ".html"
with open(fileName, 'wb') as f:
f.write(page_text)
print(f"{wd}下载成功")
在爬取并存储图片时urllib模块比较方便
# 使用urllib模块爬取图片
from urllib import request
url = "https://gss2.bdstatic.com/9fo3dSag_xI4khGkpoWK1HF6hhy/baike/w%3D268%3Bg%3D0/sign=081aba3563224f4a5799741531ccf76f/c83d70cf3bc79f3d423d2823b4a1cd11738b29c1.jpg"
request.urlretrieve(url=url, filename='ycy.jpg')
2、用requests模块发起post请求获取百度翻译后的结果
import requests
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.12 Safari/537.36'
}
url = 'https://fanyi.baidu.com/sug' # ajax请求
wd = input("enter a english word: ")
# 参数的处理
data = {
"kw": wd
}
# 发送post请求
response = requests.post(url=url,data=data,headers=headers)
# 如果确定返回的是json格式的数据,就可以直接.json拿到json对象
json_data = response.json()
print(json_data)
print(type(response.text))
3、肯德基门店查询
import requests
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.12 Safari/537.36'
}
url = "http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword"
wd = input('请输入查询地点:')
data = {
'cname': '',
'pid': '',
'keyword': wd,
'pageIndex': '1',
'pageSize': '100',
}
json_data = requests.post(url=url, data=data, headers=headers).json()
print(json_data)
4、爬取化妆品生产许可信息管理系统服务平台http://125.35.6.84:81/xk/,每个公司详情页的数据。
需求分析: 指定页面的公司,该公司的详情页数据
# 域名:http://125.35.6.84:81/xk/
import requests
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.12 Safari/537.36'
}
# 首页url
url = 'http://125.35.6.84:81/xk/itownet/portalAction.do?method=getXkzsList'
id_list = []
start_page= int(input('起始页:'))
end_page= int(input('结束页:'))
for i in range(start_page,end_page+1):
data = {
'on': 'true',
'page': str(i),
'pageSize': '15',
'productName':'' ,
'conditionType': '1',
'applyname': '',
'applysn': '',
}
json_data = requests.post(url=url,data=data,headers=headers).json()
# print(json_data)
for item in json_data['list']:
id_list.append(item["ID"])
# 详情页url
url2 = 'http://125.35.6.84:81/xk/itownet/portalAction.do?method=getXkzsById'
for id_item in id_list:
data_id = {
'id': id_item
}
json_data2 = requests.post(url=url2,data=data_id,headers=headers).json()
print(json_data2)