requests库是一个常用的用于http请求的模块,它使用python语言编写,可以方便的对网页进行爬取,是学习python爬虫的较好的http请求模块。
一、 requests模块的安装
首先我们要继续requests模块的安装。
1、 pip命令安装
windows系统下只需要在命令行输入命令 pip install requests 即可安装
在 linux 系统下,只需要输入命令 sudo pip install requests ,即可安装。
2、下载安装包安装
由于pip命令可能安装失败所以有时我们要通过下载第三方库文件来进行安装。
在github上的地址为:https://github.com/requests/requests
下载文件到本地之后,解压到python安装目录。
之后打开解压文件,在此处运行命令行并输入:python setup.py install 即可。
之后我们测试requests模块是否安装正确,在交互式环境中输入 import requests 如果没有任何报错,说明requests模块我们已经安装成功了
二、requests模块的使用方法
1、requests库的七个主要方法
方法解释
requests.request()
构造一个请求,支持以下各种方法
requests.get()
获取html的主要方法
requests.head()
获取html头部信息的主要方法
requests.post()
向html网页提交post请求的方法
requests.put()
向html网页提交put请求的方法
requests.patch()
向html提交局部修改的请求
requests.delete()
向html提交删除请求
(1)requests.get()
这个方法是我们平时最常用的方法之一,通过这个方法我们可以了解到其他的方法,所以我们详细介绍这个方法。
具体参数是:
r=requests.get(url,params,**kwargs)
url: 需要爬取的网站地址。
params: 翻译过来就是参数, url中的额外参数,字典或者字节流格式,可选。
**kwargs : 12个控制访问的参数
我们先来讲讲**kwargs:
**kwargs有以下的参数,对于requests.get,其第一个参数被提出来了。
params:字典或字节序列, 作为参数增加到url中,使用这个参数可以把一些键值对以?key1=value1&key2=value2的模式增加到url中
例如:kv = {‘key1‘:‘ values‘, ‘key2‘: ‘values‘}
r = requests.get(‘http:www.python123.io/ws‘, params=kw)
data:字典,字节序或文件对象,重点作为向服务器提供或提交资源是提交,,作为request的内容,与params不同的是,data提交的数据并不放在url链接里, 而是放在url链接对应位置的地方作为数据来存储。,它也可以接受一个字符串对象。
json:json格式的数据, json合适在相关的html,http相关的web开发中非常常见, 也是http最经常使用的数据格式, 他是作为内容部分可以向服务器提交。
例如:kv = {‘key1‘: ‘value1‘}
r = requests.post(‘http://python123.io/ws‘, json=kv)
headers:字典是http的相关语,对应了向某个url访问时所发起的http的头i字段, 可以用这个字段来定义http的访问的http头,可以用来模拟任何我们想模拟的浏览器来对url发起访问。
例子: hd = {‘user-agent‘: ‘Chrome/10‘}
r = requests.post(‘http://python123.io/ws‘, headers=hd)
cookies:字典或CookieJar,指的是从http中解析cookie
auth:元组,用来支持http认证功能
files:字典, 是用来向服务器传输文件时使用的字段。
例子:fs = {‘files‘: open(‘data.txt‘, ‘rb‘)}
r = requests.post(‘http://python123.io/ws‘, files=fs)
timeout: 用于设定超时时间, 单位为秒,当发起一个get请求时可以设置一个timeout时间, 如果在timeout时间内请求内容没有返回, 将产生一个timeout的异常。
proxies:字典, 用来设置访问代理服务器。
allow_redirects: 开关, 表示是否允许对url进行重定向, 默认为True。
stream: 开关, 指是否对获取内容进行立即下载, 默认为True。
verify:开关, 用于认证SSL证书, 默认为True。
cert: 用于设置保存本地SSL证书路径
其中response对象有以下属性:
属性说明
r.status_code
http请求的返回状态,若为200则表示请求成功。
r.text
http响应内容的字符串形式,即返回的页面内容
r.encoding
从http header 中猜测的相应内容编码方式
r.apparent_encoding
从内容中分析出的响应内容编码方式(备选编码方式)
r.content
http响应内容的二进制形式
举例说明:
>>> import requests
>>> r=requests.get("http://www.baidu.com")
>>> r.status_code
200
>>> r.encoding
‘ISO-8859-1‘
>>> r.apparent_encoding
‘utf-8‘
>>> r.text
‘\r\n
ipt> æ\x9b´å¤\x9a产å\x93\x81