一、安装
Windows平台:运行cmd,执行pip install requests
测试(以百度为例):
import requests
r = requests.get("http://www.baidu.com")
print(r.status_code)
二、Requests库的7个主要方法
1、requests.request() 构造一个请求,支撑以下各方法的基础方法
method | 请求方式,对应get/put/post等7种 |
url | 拟获取页面的url链接 |
**kwargs | 控制访问的参数,共13个 |
2、requests.get() 获取HTML网页的主要方法,对应于HTTP的GET
(1)r = requests.get(url)
其中r返回一个包含服务器资源的Response对象(Response对象包含服务器返回的所有信息,也包含请求的Request信息);get()方法构造一个向服务器请求资源的Request对象
r.status_code | HTTP请求的返回状态,200表示连接成功,404表示失败 |
r.text | HTTP响应内容的字符串形式,即,url对应的页面内容 |
r.encoding | 从HTTP header中猜测的响应内容编码方式 |
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 |
备注 | r.encoding:如果header中不存在charset,则认为编码为ISO‐8859‐1 r.text根据r.encoding显示网页内容 r.apparent_encoding:根据网页内容分析出的编码方式 可以看作是r.encoding的备选 |
(2)requests.get(url, params=None, **kwargs)
url : 拟获取页面的url链接
params : url中的额外参数,字典或字节流格式,可选
**kwargs: 12个控制访问的参数
(3)get()方法的定义
3、requests.head() 获取HTML网页头信息的方法,对应于HTTP的HEAD
4、requests.post() 向HTML网页提交POST请求的方法,对应于HTTP的POST
向URL POST一个字典 自动编码为form(表单),向URL POST一个字符串 自动编码为data,如图:
5、requests.put() 向HTML网页提交PUT请求的方法,对应于HTTP的PUT
6、requests.patch() 向HTML网页提交局部修改请求,对应于HTTP的PATCH
7、requests.delete() 向HTML页面提交删除请求,对应于HTTP的DELETE
三、爬虫代码的通用框架
1、requests库异常
requests.ConnectionError | 网络连接错误异常,如DNS查询失败、拒绝连接等 |
requests.HTTPError | HTTP错误异常 |
requests.URLRequired | URL缺失异常 |
requests.TooManyRedirects | 超过最大重定向次数,产生重定向异常 |
requests.ConnectTimeout | 连接远程服务器超时异常 |
requests.Timeout | 请求URL超时,产生超时异常 |
2、response的异常
r.raise_for_status() | 如果不是200,产生异常 requests.HTTPError |
r = requests.get(url)
r.raise_for_status()在方法内部判断r.status_code是否等于200,不需要增加额外的if语句,该语句便于利用try‐except进行异常处理
3、爬取网页的通用代码框架
import requests
def getHTMLText(url):
try:
r = requests.get(url,timeout=30)
r.raise_for_status() #如果状态值不是200,则引发HTTPError
r.encoding = r.apparent_encoding
return r.text
except:
return "产生异常"
if __name__ = "__main__":
url = "http://www.baidu.com"
print(getHTMLText(url))
四、HTTP协议
HTTP,Hypertext Transfer Protocol,超文本传输协议
HTTP是一个基于“请求与响应”模式的、无状态的应用层协议 HTTP协议采用URL作为定位网络资源的标识,URL格式如下:http://host[:port][path]
host: 合法的Internet主机域名或IP地址
port: 端口号,缺省端口为80
path: 请求资源的路径
HTTP URL实例:http://www.bit.edu.cn http://220.181.111.188/duty
HTTP URL的理解: URL是通过HTTP协议存取资源的Internet路径,一个URL对应一个数据资源
GET | 请求获取URL位置的资源 |
HEAD | 请求获取URL位置资源的响应消息报告,即获得该资源的头部信息 |
POST | 请求向URL位置的资源后附加新的数据 |
PUT | 请求向URL位置存储一个资源,覆盖原URL位置的资源 |
PATCH | 请求局部更新URL位置的资源,即改变该处资源的部分内容 |
DELETE | 请求删除URL位置存储的资源 |