深入理解Python爬虫的Response对象

源码分享
https://docs.qq.com/sheet/DUHNQdlRUVUp5Vll2?tab=BB08J2

在构建Python爬虫时，理解HTTP响应（Response）是至关重要的。本篇博客将详细介绍如何使用Python的Requests库来处理HTTP响应，并通过详细的代码案例指导你如何提取和利用所需的信息。

Response对象简介

当你发出一个HTTP请求后，服务器将返回一个HTTP响应。在Python的Requests库中，这个响应被封装在​​Response​​对象中。这个对象包含了所有请求的结果，包括状态码、响应头、Cookies以及返回的网页内容等。

基本用法

让我们从最基本的用法开始，发送一个GET请求并获取Response对象。

import requests

response = requests.get('https://httpbin.org/get')

此时，​​response​​变量就是一个包含服务器返回信息的Response对象。

状态码

检查状态码可以让我们知道请求是否成功。

if response.status_code == 200:
    print("请求成功！")
else:
    print("请求失败，状态码：", response.status_code)

Response内容

可以通过​​text​​属性访问服务器返回的内容。

print(response.text)

如果返回的是JSON格式的内容，可以直接解析为JSON对象。

data = response.json()
print(data)

响应头

响应头包含了服务器对请求的响应信息，比如内容类型、日期等。

print("响应头：")
print(response.headers)

Cookies

Cookies是服务器设置在用户浏览器上的小型数据片段，爬虫可以利用这些信息保持会话状态。

print("Cookies：")
print(response.cookies)

重定向历史

有时候请求一个URL后会发生重定向，​​history​​属性可以查看重定向的路径。

print("重定向历史：")
for resp in response.history:
    print(resp.status_code, resp.url)

详细的代码案例

现在，让我们通过一个实际的例子来演示如何使用Response对象。假设我们要爬取一个网页并分析其中的链接。

import requests
from urllib.parse import urljoin
from bs4 import BeautifulSoup

# 发出请求
response = requests.get('http://example.com')

# 检查是否请求成功
if response.ok:  # 相当于检查 response.status_code == 200
    # 使用BeautifulSoup解析HTML内容
    soup = BeautifulSoup(response.text, 'html.parser')

    # 提取所有的链接
    for link in soup.find_all('a', href=True):
        # 使用urljoin确保链接是完整的
        full_url = urljoin('http://example.com', link['href'])
        print(full_url)
else:
    print('请求失败。错误码：', response.status_code)

在上面的代码中，我们首先发送了一个GET请求到​​http://example.com​​。如果请求成功，我们使用BeautifulSoup解析HTML，然后提取和打印页面上所有的链接。

总结

Response对象是Python网页爬取过程中的关键，它提供了丰富的方法和属性来处理HTTP响应。在本文中，我们介绍了如何使用Requests库获取和处理Response对象，并通过代码案例展示了如何利用响应内容来爬取网页链接。掌握了这些知识后，你将更有条件面对更加复杂的网页爬取任务。