python3爬虫——requests(一)

最新推荐文章于 2024-04-26 01:45:18 发布

海螺烧香

最新推荐文章于 2024-04-26 01:45:18 发布

阅读量269

点赞数

分类专栏： python3爬虫文章标签： python3爬虫

python3爬虫专栏收录该内容

15 篇文章 0 订阅

订阅专栏

Requests:让http服务人类

虽然Python标准库中的urllib模块包含了平常我们使用的大多数功能，但是它的API使用起来让人感觉不太好，而Request自称”HTTP for Humans“，说明使用更简单方便。

Request唯一的非转基因的Python库，人类可以安全享有，

Request继承了urllib的所有特性，Request支持HTTP链接保持和连接池，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的数据自动编码。

request的安装方式

pip install requests

基于GET请求（headers参数和params参数）

如果想添加headers，可以传入headers参数来增加请求头中headers信息，如果要将参数放在url中传递，可以利用params参数。

# coding=utf-8
import requests

headers = {"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36"}
p = {"wd":"明朝那些事"}
url_temp = "https://www.baidu.com/s?"
url_temp = "https://www.baidu.com/s"

#params接收一个字典或者字符串的查询参数，字典类型自动转换为url编码，不需要urlencode()
r = requests.get(url_temp,headers=headers,params=p)

#查看响应内容，r.text返回的是unicode格式的数据
print(r.text)

#查看响应内容，r.content返回的字节流数据
print(r.content)

#查看完整的url地址
print(r.url)

#查看响应码
print(r.status_code)

#查看响应头部字符编码
print(r.encoding)

url = "https://www.baidu.com/s?wd={}".format("明朝那些事")
r = requests.get(url,headers=headers)
print(r.status_code)
print(r.request.url)

使用r.text 时，Requests会基于HTTP相应的文本编码自动解码响应的内容，大多数Unicode字符集都能被无缝的解码。
使用r.content时，返回的是服务器响应数据的原始二进制字节流，可以用来保存图片等二进制文件。

#coding=utf-8
import  requests
response = requests.get("http://www.sina.com")
print(response.request.headers)
print(response.content.decode())

结果

{'User-Agent': 'python-requests/2.12.4', 'Accept-Encoding': 'gzip, deflate', 'Accept': '*/*', 'Connection': 'keep-alive'}
<!DOCTYPE html>
<!-- [ published at 2017-06-09 15:15:23 ] -->
<html>
<head>
    <meta http-equiv="Content-type" content="text/html; charset=utf-8" />
    <meta http-equiv="X-UA-Compatible" content="IE=edge" />
    <title>新浪首页</title>
    <meta name="keywords" content="新浪,新浪网,SINA,sina,sina.com.cn,新浪首页,门户,资讯" />
  ...

#coding=utf-8
import  requests
response = requests.get("http://www.sina.com")
print(response.request.headers)
print(response.text)

{'User-Agent': 'python-requests/2.12.4', 'Accept-Encoding': 'gzip, deflate', 'Accept': '*/*', 'Connection': 'keep-alive'}
<!DOCTYPE html>
<!-- [ published at 2017-06-09 15:18:10 ] -->
<html>
<head>
    <meta http-equiv="Content-type" content="text/html; charset=utf-8" />
    <meta http-equiv="X-UA-Compatible" content="IE=edge" />
    <title>æ–°æµªé¦–é¡µ</title>
    <meta name="keywords" content="æ–°æµª,æ–°æµªç½‘,SINA,sina,sina.com.cn,æ–°æµªé¦–é¡µ,é—¨æˆ·,èµ„è®¯" />
    <meta name="description" content="æ–°æµªç½‘ä¸ºå…¨çƒç”¨æˆ·24å°æ—¶æä¾›å…¨é¢åŠæ—¶çš„ä¸æ–‡èµ„è®¯ï¼Œå†…å®¹è¦†ç›–å›½å†…å¤–çªå‘æ–°é—»äº‹ä»¶ã€ä½“å›èµ›äº‹ã€å¨±ä¹æ—¶å°šã€äº§ä¸šèµ„è®¯ã€å®žç”¨ä¿¡æ¯ç‰ï¼Œè®¾æœ‰æ–°é—»ã€ä½“è‚²ã€å¨±ä¹ã€è´¢ç»ã€ç§‘æŠ€ã€æˆ¿äº§ã€æ±½è½¦ç‰30å¤šä¸ªå†…å®¹é¢‘é“ï¼ŒåŒæ—¶å¼€è®¾åšå®¢ã€è§†é¢‘ã€è®ºå›ç‰è‡ªç”±äº’åŠ¨äº¤æµç©ºé—´ã€‚" />
    <link rel="mask-icon" sizes="any" href="//www.sina.com.cn/favicon.svg" color="red">
`

产生问题的原因：

request自带的Accept-Encoding导致或者新浪默认发送的就是压缩之后的网页
但是为什么content没有问题，因为requests自带解压压缩网页的功能。
当收到一个响应时，Requests会猜测响应的编码格式，用于当调用response.text方法时对响应进行解码。Requests首先在HTTP头部检测是否存在指定的编码格式，如果不存在则会使用chart-detect来猜测编码方式（存在误差）
最好使用response.content.decode()