Python之爬虫-- Requests

最新推荐文章于 2024-07-10 14:09:42 发布

ydw_ydw

最新推荐文章于 2024-07-10 14:09:42 发布

阅读量228

点赞数

分类专栏： Python 爬虫文章标签： Python

本文链接：https://blog.csdn.net/ydw_ydw/article/details/82109028

版权

Python 同时被 2 个专栏收录

36 篇文章 2 订阅

订阅专栏

爬虫

15 篇文章 1 订阅

订阅专栏

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/requests或https://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

或
$ conda install requests

或
$ 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

最基本的GET请求可以直接用post方法
rsp = requests.post(url, data=data)
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。
date, headers要求dict类型，不需要转码了
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)

ydw_ydw

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录