文章目录
Requests库的安装
cmd
-> pip install requests
-> python -m pip install -upgrade pip
测试
>>> import requests
>>> r = requests.get("http://www.baidu.com")
>>> r.status_code
200
>>> r.encodeing = "utf-8"
>>> r.text
输出:
这里的编码没有变成utf-8,还是默认的r.encoding ,r.apparent_encoding才是utf-8
Requests库的使用方法
方法 | 说明 |
---|---|
requests.request() | 构造一个请求,支撑以下各方法的基础方法 |
requests.get() | 获取HTML网页的主要方法,对应于HTML的GET |
requests.head() | 获取HTML网页头信息的方法,对应于HTML的HEAD |
requests.post() | 向HTML网页提交请求POST的方法,对应于HTML的POST |
requests.put() | 向HTML网页提交请求PUT的方法,对应于HTML的PUT |
requests.patch() | 向HTML网页提交局部修改请求,对应于HTML的PATCH |
requests.delete | 向HTML网页提交删除请求,对应于HTML的DELETE |
requests.request()是最基础的方法,以下其他所有方法都是通过调用request()方法来实现的。
HTTP协议对资源的操作
方法 | 说明 |
---|---|
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,即获取该资源的头部信息 |
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 |
PATCH和PUT的区别
假设url有一组数据user,包含userID,username等20个字段,需求是:修改username,其他不变。
若用PATCH,仅向url提交username的局部更新请求。
若用PUT,必须将所有20个字段一并提交到url,未提交字段会被删除。
requests.get()
获得一个网页最简单的一行代码就是r = requests.get(“url”),构造一个向服务器请求资源的Request对象,返回一个包含服务器资源的Response对象。
Response对象包含爬虫返回的内容。
完整用法:requests.get(url,params=None,**kwargs)
url:拟获取的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
def get(url, params=None, **kwargs):
kwargs.setdefault('allow_redirects', True)
return request('get', url, params=params, **kwargs)
Response对象
>>> import requests
>>> r = requests.get("http://www.baidu.com") #返回Response对象 r
>>> print(r.status_code) #检请求状态码
200 #200则访问成功,否则失败
>>> type(r)
<class 'requests.models.Response'>
>>> r.headers #页面头部信息
{'Server': 'bfe/1.0.8.18', 'Date': 'Sun, 09 Jun 2019 06:29:13 GMT', 'Content-Type': 'text/html', 'Last-Modified': 'Mon, 23 Jan 2017 13:28:24 GMT', 'Transfer-Encoding': 'chunked', 'Connection': 'Keep-Alive', 'Cache-Control': 'private, no-cache, no-store, proxy-revalidate, no-transform', 'Pragma': 'no-cache', 'Set-Cookie': 'BDORZ=27315; max-age=86400; domain=.baidu.com; path=/', 'Content-Encoding': 'gzip'}
Response对象的属性操作
属性 | 说明 |
---|---|
r.status_code | 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中猜测的相应内容编码方式 |
r.apparent_encoding | 从内容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 |
例子
>>> import requests
>>> r = requests.get("http://www.baidu.com")
>>> r.status_code
200
>>> r.encodeing = "utf-8"
>>> r.text
Requests库异常
异常 | 说明 |
---|---|
requests.ConnectionError | 网络连接错误异常,如DNS查询失败、拒绝链接等 |
requests.HTTPError | HTTP错误异常(非200) |
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.ConnetTimeout | 连接远程服务器超时异常 |
requests.Timeout | 请求URL超时,产生超时异常 |
r.raise_for_status() | 如果是200,返回true,否则产生异常requests.HTTPError |
爬取网页的通用代码框架
try-except 语句
异常可以通过 try 语句来检测. 任何在 try 语句块里的代码都会被监测, 检查有无异常发生。
try:
- 检测异常的语句
except:
- 异常处理办法
代码框架
import requests
def getHTMLText(url):
try:
r = requests.get(url,timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return "产生异常"
示例代码
import requests
def getHTMLText(url):
try:
r = requests.get(url,timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return "产生异常"
if __name__ == "__mian__":
url = "http://www.baidu.com"
print(getHTMLText(url))
pycharm上运行requests库遇到了配置问题,参考解决连接:https://blog.csdn.net/u012106306/article/details/80760744
解决之后不再报错说找不到requests库了,但是没有输出结果。最后发现我把main拼成mian了,尴尬…
改正后if __ name__ == “__ main__”:,当运行模块被执行的时候,if成立,如果该文件被import到其他模块中,则__ name __等于模块(文件)名称(不包含后缀 .py)