python requests session的状态复制_【python】爬虫：Requests库、Cookies以及Session

一张图解释：requests在python爬虫应用中的地位

Requests库概述

【介绍💬】：使用requests可以模拟浏览器的请求。(requests模块本质上是封装了的urllib3，所以比urllib更实用，所以关于urllib，大致了解就可以了，用来写爬虫，代码会很多...)

安装requests

pip install requests

🐾Requests库的突出优势

【详解💬】：由于requests模块本质上是封装了的urllib3，所以我们不需要手动为 URL 添加查询字串，也不需要对 POST 数据进行表单编码。Keep-alive 和 HTTP 连接池的 功能是 100% 自动化的。

为什么使用Requests库

requests在python2 和python3中通用，方法完全一样；

工作中爬虫基本都使用requests；

requests能够自动帮助我们解压(gzip压缩的等)网页内容，简单易用 Requests支持HTTP连接保持和连接池，支持使用cookie保持会话，支持文件上传，支 持自动确定响应内容的编码，支持国际化的 URL 和 POST 数据自动编码；

模拟浏览器发送post请求用法：

response = requests.post(url, data = data, headers=headers)

Requests库使用非常广泛，Twitter、Spotify、Microsoft、Amazon、以及若联邦政府机构都在内部使用。

🐾 Requests库的功能特性

Keep-Alive & 连接池

国际化域名和 URL

带持久 Cookie 的会话

浏览器式的 SSL 认证

自动内容解码

基本/摘要式的身份认证

优雅的 key/value Cookie

自动解压

Unicode 响应体

HTTP(S) 代理支持

文件分块上传

连接超时

分块请求 (等)

cookie和session

本质上都是基于键值对的字符串。

Cookies

【简介💬】：Cookies 指某些网站为了辨别用户身份、 进行会话跟踪而存储在用户本地终端上的数据。

那么Cookies在哪儿呢？举个栗子：

cookies来源 Boss直聘

两者区别:

cookie数据存放在客户的浏览器上，session数据放在服务器上 ；

cookie不是很安全，别人可以分析存放在本地的cookie并进行cookie欺骗(通过用户的cookies获取相关信息)

session会在一定时间内保存在服务器上。当访问增多，会比较占用服务器的性能；

单个cookie保存的数据不能超过4K，很多浏览器都限制一个站点最多保存20个cookie。

【优缺点💬】：

带上cookie、session的好处：很多网站必须登录之后(或者获取某种权限之后)才能能够请求到相关数据

带上cookie、session的弊端：一套cookie和session往往和一个用户对应.请求太快，请求次数太多， 容易被服务器识别为爬虫。从而是账号收到损害；

【使用建议💬】：

不需要cookie的时候尽量不去使用cookie

为了获取登录之后的页面，我们必须发送带有cookies的请求，此时为了确保账号安全应该尽量降低数据采集速度。

【小案例💬】：运行小程序，获取网页的cookie

# 获取cookie

def opt_cookie():

browser = webdriver.Chrome()

browser.get("https://www.baidu.com")

# 获取所有cookie

print(browser.get_cookies())

# 添加cookie

browser.add_cookie({"name":"username", "value":"Zurich"})

print(browser.get_cookies())

# 删除 cookie

browser.delete_all_cookies()

print(browser.get_cookies())

opt_cookie()

🐾爬虫的简单应用

【举个实例】：实现 “在线翻译”

【详解】：主要是借用了http://fy.iciba.com/

的在线翻译接口，然后使用较简洁的程序来实现“在线翻译”功能。

网站首页

【程序如下】：

class JinShan(object):

def __init__(self,word):

self.url = 'http://fy.iciba.com/ajax.php?a=fy'

self.headers = {

"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537. 36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36"

}

self.post_data = {"f": "auto", "t": "auto", "w": word}

def request_post(self):

response = requests.post(url=self.url, headers=self.headers,data=self.post_data)

# print(response.content.decode())

return response.content.decode()

def translates(self,data):

dict_data = json.loads(data)

if dict_data['status'] == 1:

print(dict_data['content']['out'])

if dict_data['status'] == 0:

print(dict_data['content']['word_mean'])

def run(self):

data = self.request_post()

print('译文：')

self.translates(data)

if __name__ == "__main__":

print('输入您要翻译的内容：')

word = input()

jinshan = JinShan(word)

jinshan.run()

运行结果：

汉译英

输入您要翻译的内容：

使用requests可以模拟浏览器的请求。

译文：

Use requests to simulate browser requests.

英译汉

输入您要翻译的内容：

Use requests to simulate browser requests.

译文：

使用请求模拟浏览器请求。

【🌰再举个实例🌰】：爬取百度贴吧

import requests

import sys

class BaiduTieBa:

# 构建请求地址

def __init__(self,name,pn):

self.name = name

self.url = "http://tieba.baidu.com/f?kw={}&ie=utf-8&tab=main".format(name)

self.headers = {

"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"

}

self.url_list = [self.url + str(n*50) for n in range(pn)]

print(self.url_list)

def get_data(self,url):

"""

请求数据

:param url:

:return:

"""

r = requests.get(url, headers = self.headers)

return r.content

def save_data(self,data,num):

# 保存数据

file_name = self.name + "_" + str(num) + ".html"

with open(file_name,'wb') as f:

f.write(data)

def run(self):

for url in self.url_list:

data = self.get_data(url)

num = self.url_list.index(url)

self.save_data(data,num)

if __name__ == "__main__":

name = sys.argv[1]

pn = int(sys.argv[2])

baidu = BaiduTieBa(name,pn)

baidu.run()

运行：

文件路径...>baidutieba>python baidu_tieba.py 清华大学 3

【程序解读】：关于请求头，来源于百度首页，见下图。

self.headers = {

"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"

}

User-Agent

【🐾运行结果】：

(已经被识别是爬虫🕸🕷，所以加载出来的图片都是一样的😂😂)