Python之爬虫-- Requests

目录

Requests-献给人类

一、简介

二、安装方式

三、 GET请求

四、POST请求

 五、显示json文件

六、代理(proxies参数)

 七、用户验证

八、Cookies 和 Session

1、Cookies

2、Session

九、SSL证书验证

https请求验证ssl证书(有一些网站的ssl证书是自己写的,比如12306和360)


Requests-献给人类

一、简介

  • 虽然Python的标准库中 urllib 模块已经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 Requests 自称 “HTTP for Humans”,更简洁更友好
  • Requests 唯一的一个非转基因的 Python HTTP 库,人类可以安全享用:)
  • Requests 继承了urllib的所有特性。Requests支持HTTP连接保持和连接池,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 数据自动编码。
  • requests 的底层实现其实就是 urllib3 。Requests能完全满足当前网络的需求,支持Python 2.6—3.5,而且能在PyPy下完美运行。
  • 开源地址:https://github.com/kennethreitz/requestshttps://github.com/requests/requests
  • 中文文档 API:http://docs.python-requests.org/zh_CN/latest/index.html
  • 安装: conda install requests

二、安装方式

利用 pip 安装 或者利用 easy_install 都可以完成安装:

$ easy_install requests


$ conda install requests


$ pip install requests

三、 GET请求

1.requests.get(url),案例1

2.requests.request("get", url),案例1

3.可以带有headers和parmas参数,案例2。如果想添加 headers,可以传入headers参数来增加请求头中的headers信息。如果要将参数放在url中传递,可以利用params参数。

4.get返回内容,案例2

  • 使用response.text 时,Requests 会基于 HTTP 响应的文本编码自动解码响应内容,大多数 Unicode 字符集都能被无缝地解码。
  • 使用response.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。

案例1 :

import requests

url = "http://www.baidu.com"
# 两种请求方式
# 使用get请求
rsp = requests.get(url)
print(rsp.text)

# 使用request请求
rsp = requests.request("get", url)
print(rsp.text)

案例2: 

'''
使用参数headers和params
研究返回结果
'''
import requests

# 完整访问url是下面url加上参数构成
url = "http://www.baidu.com/s?"

kw = {
    "wd": "王八蛋"
}

headers = {
    "User-Agent":"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.119 Safari/537.36"
}

# 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()
url = "http://www.baidu.com/s?"
response = requests.get(url, params = kw, headers = headers)

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

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

# 查看完整url地址
print(response.url)

# 查看响应头部字符编码
print(response.encoding)

# 查看响应码
print(response.status_code)

四、POST请求

  1. 最基本的GET请求可以直接用post方法 
    rsp = requests.post(url, data=data)
  2. 传入data数据 
    对于 POST 请求来说,我们一般需要为它增加一些参数。那么最基本的传参方法可以利用data这个参数。
  3. date, headers要求dict类型,不需要转码了
  4. 模拟有道翻译,案例3

案例3: 

import json
import time
import requests

def youdaoAPI(kw):
    '''
    :param kw: 翻译的内容
    :return:
    '''
    # 请求头
    header = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) 
        AppleWebKit/537.36 (KHTML, 
        like Gecko) Chrome/54.0.2840.99 Safari/537.36"}

    # translate_o 去掉_o
    url = "http://fanyi.youdao.com/translate?
    smartresult=dict&smartresult=rule"
    response = requests.post(url, data=kw, headers=header)
    res = response.content
    tgt = json.loads(res)
    print(tgt["translateResult"])


if __name__ == '__main__':

    kw = input("请输入你想翻译的内容:")
    timet = int(time.time() * 1000)
    data = {
        "i": kw,
        "from": "AUTO",
        "to": "AUTO",
        "smartresult": "dict",
        "client": "fanyideskweb",
        "salt": timet,
        "sign": "f66461b42fe9edb6d88230788fb33cfb",
        "doctype": "json",
        "version": "2.1",
        "keyfrom": "fanyi.web",
        "action ": "FY_BY_REALTIME",
        "typoResult ": "false",
    }

    youdaoAPI(data)

 五、显示json文件

# 自带json模块
print(response.json())

运行结果

{'type': 'ZH_CN2EN', 'errorCode': 0,
 'elapsedTime': 1, 'translateResult': 
 [[{'src': '长城', 'tgt': 'The Great Wall'}]]}

六、代理(proxies参数)

如果需要使用代理,可以通过为任意请求方法提供proxies参数来配置单个请求(代理有可能报错,如果使用人数多,考虑安全问题,可能会被强行关闭):

import requests

# 根据协议类型,选择不同的代理
proxies = {
  "http": "http://12.34.56.79:9527",
  "https": "http://12.34.56.79:9527",
}

response = requests.get("http://www.baidu.com", proxies = proxies)
print ('response.text')


# 带密码代理
httpProxy = {"https": "http://User1:123456@10.3.132.6:808"}

 七、用户验证

  • 代理验证
#可能需要使用HTTP basic Auth, 可以这样
# 格式为  用户名:密码@代理地址:端口地址
proxy = { "http": "china:123456@192.168.1.123:4444"}
rsp = requests.get("http://baidu.com", proxies=proxy)
  • web客户端验证,如果遇到web客户端验证,需要添加auth=(用户名,密码)
import requests

autu=("test1", "123456")#授权信息

response = requests.get('http://192.168.199.107', auth = auth)

print ('response.text')

八、Cookies 和 Session

1、Cookies

  • requests可以自动处理cookie信息
  • 如果一个响应中包含了cookie,那么我们可以利用 cookies参数拿到:
import requests

response = requests.get("http://www.baidu.com/")

# 如果对方服务器给传送过来cookie信息,则可以通过反馈的cookie属性得到
# 返回CookieJar对象:
cookiejar = response.cookies

# 将CookieJar转为字典:
cookiedict = requests.utils.dict_from_cookiejar(cookiejar)

print(cookiejar)
print(cookiedict)

运行结果:

<RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>

{'BDORZ': '27315'}

2、Session

            # 创建session对象,可以保持cookie值
            ss = requests.session()
            
            headers = {"User-Agetn":"xxxxxxxxxxxxxxxxxx"}
            
            data = {"name":"xxxxxxxxxxx"}
            
            # 此时,由创建的session管理请求,负责发出请求,
            ss.post("http://www.baidu.com", data=data, headers=headers)
            
            rsp = ss.get("xxxxxxxxxxxx")

  • 跟服务器端session不是一个东东
  • 模拟一次会话,从客户端浏览器链接服务器开始,到客户端浏览器断开
  • 能让我们跨请求时保持某些参数,比如在同一个session实例发出的 所有请求之间保持cookie,以后所有请求都是这一个cookie,不需要在创建

在 requests 里,session对象是一个常用的对象,这个对象代表一次用户会话:从客户端浏览器连接服务器开始,到客户端浏览器与服务器断开。

会话能让我们在跨请求时候保存某些参数,比如在同一个 Session 实例发出的所有请求之间保存cookie 。

实现人人网登录:

import requests

# 1. 创建session对象,可以保存Cookie值
ssion = requests.session()

# 2. 处理 headers
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0;
 Win64; x64) 
AppleWebKit/537.36 (KHTML, 
like Gecko) Chrome/54.0.2840.99 Safari/537.36"}

# 3. 需要登录的用户名和密码
data = {"email":"mr_mao_hacker@163.com", "password":"alarmchime"}

# 4. 发送附带用户名和密码的请求,并获取登录后的Cookie值,保存在ssion里
ssion.post("http://www.renren.com/PLogin.do", data = data)

# 5. ssion包含用户登录后的Cookie值,
#可以直接访问那些登录后才可以访问的页面
response = ssion.get("http://www.renren.com/410043129/profile")

# 6. 打印响应内容
print(response.text)
# 将cookie对象转为字典
cookieDict = requests.utils.dict_from_cookiejar(ssion.cookies)
# 保存cookie
with open("session.txt", 'w', encoding='utf-8') as f:
    f.write(str(cookieDict))
    f.flush()

九、SSL证书验证

https请求验证ssl证书(有一些网站的ssl证书是自己写的,比如12306和360)

  • 参数verify负责表示是否需要验证ssL证书,默认是True
  • 如果不需要验证ssl证书,则设置成False表示关闭

            rsp = requests.get("https://www.baidu.com", verify=False)
            # 如果用verify=True访问12306,会报错,因为他证书有问题 

 处理HTTPS请求 SSL证书验证 ,Requests也可以为HTTPS请求验证SSL证书:

要想检查某个主机的SSL证书,你可以使用 verify 参数(也可以不写)

import requests
response = requests.get("https://www.baidu.com/", verify=True)

# 也可以省略不写
# response = requests.get("https://www.baidu.com/")
print(response.text)

如果SSL证书验证不通过,或者不信任服务器的安全证书,则会报出SSLError,据说 12306 证书是自己做的: 
来测试一下:

import requests
response = requests.get("https://www.12306.cn/mormhweb/")
print(response.text)

报错:

SSLError: ("bad handshake: Error([('SSL routines', 
'ssl3_get_server_certificate', 'certificate verify failed')],)",)

如果我们想跳过 12306 的证书验证,把 verify 设置为 False 就可以正常请求了。

import requests

url = "https://www.12306.cn/mormhweb/"
response = requests.get(url,verify=False)
print(response.text)

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ydw_ydw

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值