python爬虫requestsget_【Python】【爬虫】Requests库详解

Requests是用Python语言编写的第三方库,使用前需要另外安装。它基于urllib，采用Apache2 Licensed开源协议的HTTP库。它比urllib更加方便，完全满足HTTP测试需求，可以节约我们很多的工作。

举三个Requests的实际应用：如果你是店家，想对比自己店铺和同行店铺的差异，你可以用Requests库爬取同行店铺的评价，找到自己店铺的改进方向。

如果你是学生，想快速获取自己研究方向的资料，你可以用Requests库爬取所学领域的相关资料，进行数据提取分析。

如果你最近刚好想换电脑，不太确定想买哪一款，你可以用Requests库爬取相关网站的评论，给自己的决定做个参考。

一、Requests库的主要方法

Requests库中有7个主要方法

图1 Requests库中的7个主要方法

其中最常用的是get和post方法，get请求将提交的数据放置在HTTP请求协议头中，post提交的数据则放在实体数据中。下面详细阐述Requests库中六个方法：import requests #导入requests模块

requests.get("http://www.baidu.com") #GET请求

requests.post('http://httpbin.org/post') #POST请求

requests.put('http://httpbin.org/put') #PUT请求

requests.delete('http://httpbin.org/delete') #DELETE请求

requests.head('http://httpbin.org/head') #HEAD请求

request.patch('http://httpbin.org/patch') #PATCH请求

代码解析：

requests.get：请求指定的页面信息，并返回实体主体。

requests.post：请求服务器接受所指定的文档作为对所标识的URI的新的从属实体。

requests.put：从客户端向服务器传送数据，并取代指定的文档的内容。

requests.delete：请求服务器删除指定的页面。

requests.head：只请求页面的首部。

request.patch：请求局部修改。

二、Requests的重要对象

Requests库中有2个重要对象

图2 Requests库中的2个重要对象

其中Response对象包含服务器返回的所有信息，例如状态码、首部等。

由于爬取网页信息一般采用的是get方法，故下文中着重讲解get方法，post方法会在后续文章中进行阐述。

三、Requests.get使用方法

1 Requests.get基本语法requests.get(url, params=None, **kwargs)

代码解析：

url：待爬取网页的url链接，是通过http协议存取资源的一个路径，类似我们电脑中文件的存储路径；

params：url中的额外参数，字典或字节流格式，非必有项，默认值为None；

**kwargs：12个控制访问的参数。

注：当我们使用requests.get()时，返回的是response对象，该对象包含服务器返回的所有信息，也包含请求的request的信息。

2 requests.get使用实例

实例一：不带参数的GET请求import requests #导入requests库

r = requests.get('https://www.sohu.com/a/378969781_100078132') #获取搜狐新闻中

代码解析：

requests.get：构造一个向服务器请求资源的url对象,实例一选取的链接是搜狐新闻中一篇关于刘诗雯的报道，你可以根据自己的需要另换网址。

这时候返回的是一个包含服务器资源的Response对象,r中包含从服务器返回的所有相关资源。

实例二：带参数的GET请求import requests

data = {

'name': 'tom',

'age': 20

}

r = requests.get('http://httpbin.org/get', params=data)

注：相比实例一，本例只是增加了data参数。

实例三：带头部的GET请求import requests,json

url = "https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=100004380824&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1"

headers = {'User-Agent':'User-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',

'Request Method':'Get',

'callback':'fetchJSON_comment98'

}

r = requests.get(url,timeout=30,headers=headers)

注：有些网站访问时必须带有浏览器等信息，如果不传入headers就会报错，所以本例中加入了头部的一些信息。

3 Response对象的常用属性

Response对象中有6个常用属性

图3 Response中6个常用属性

用实例一的结果r，运行下面关于属性的代码，并查看返回的结果。

1.响应状态码status_coder.status_code #响应状态码，200表示连接成功，404表示失败

结果：200

2.响应头headersr.headers #以字典对象存储服务器响应头，但是这个字典比较特殊，字典键不区分大小写，若键不存在则返回None

结果：{'Content-Type': 'text/html;charset=UTF-8', 'Transfer-Encoding': 'chunked', 'Connection': 'keep-alive', 'Server': 'nginx', 'Date': 'Fri, 27 Mar 2020 12:21:58 GMT', 'Access-Control-Allow-Credentials': 'true', 'Vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers', 'Access-Control-Allow-Headers': 'Origin,Content-Type,authorization,Accept,token,X-Requested-With', 'Content-Encoding': 'gzip', 'X-Application-Context': 'pc-article:prod-yz:10030', 'Access-Control-Allow-Methods': 'POST,GET,OPTIONS,DELETE', 'Content-Language': 'en-US', 'Access-Control-Expose-Headers': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers,X-forwared-port,X-forwarded-host', 'Cache-Control': 'max-age=60', 'X-From-Sohu': 'X-SRC-Source', 'FSS-Cache': 'MISS from 8868025.16076995.9867815', 'FSS-Proxy': 'Powered by 2969695.4280425.3969395'}

3.响应内容textr.text #字符串方式的响应体，会自动根据响应头部的字符编码进行解码，返回url对应的页面内容

‍

结果：'\n\n

\n 大爱无疆！刘诗雯的善举让人为之动容 球迷：娶妻，当娶刘诗雯_国乒\n \n \n\n\n\n\n\n\n'

注：由于text中内容太多，本文只是截取了部分信息。

4.响应内容contentr.content #字节方式的响应体，会自动为你解码 gzip 和 deflate 压缩,是http响应内容的二进制形式

结果：b'\n\n

\n \xe5\xa4\xa7\xe7\x88\xb1\xe6\x97\xa0\xe7\x96\x86\xef\xbc\x81\xe5\x88\x98\xe8\xaf\x97\xe9\x9b\xaf\xe7\x9a\x84\xe5\x96\x84\xe4\xb8\xbe\xe8\xae\xa9\xe4\xba\xba\xe4\xb8\xba\xe4\xb9\x8b\xe5\x8a\xa8\xe5\xae\xb9 \xe7\x90\x83\xe8\xbf\xb7\xef\xbc\x9a\xe5\xa8\xb6\xe5\xa6\xbb\xef\xbc\x8c\xe5\xbd\x93\xe5\xa8\xb6\xe5\x88\x98\xe8\xaf\x97\xe9\x9b\xaf_\xe5\x9b\xbd\xe4\xb9\x92\n \n \n\n\n\n\n\n'

注：由于content中内容太多，本文只是截取了部分信息。

5.响应内容编码方式encodingr.encoding #从http的header中猜测的响应内容编码方式

结果：'UTF-8'

6.响应内容编码方式encodingr.apparent_encoding #从内容中分析出响应的内容编码方式

结果：'UTF-8'

注：响应内容text和content两者区别：1.content中间存的是字节码，而text中存的是字符串(由Beautifulsoup根据猜测的编码方式将content内容编码而成)。

2.直接输出content，会发现前面存在b'这样的标志，这是字节字符串的标志，而text输出没有前面的b。

3.对于纯ascii码，两者输出一致，对于其他的文字，需要正确编码才能正常显示。

4.建议使用.text，因为输出显示的是汉字。如果显示乱码，可以用.content.decode('utf-8')手动选择文字编码方式中文常用utf-8、GBK、GB2312等。

简而言之，.text是现成的字符串，.content还要编码，但是.text不是所有时候都能正常显示，这时就需要用.content进行手动编码。

本文是本人对Request库的个人总结，如有问题，请指正。