功能強大的python包(六):Requests(網(wǎng)絡爬蟲)

1.Requests簡介
Requests圖標

Requests是基于urllib络它,使用Apache2 Licensed許可證開發(fā)的HTTP庫断傲。其在python內(nèi)置模塊的基礎上進行了高度封裝捌肴,使得Requests能夠輕松完成瀏覽器相關的任何操作宁炫。

Requests能夠模擬瀏覽器的請求示罗,比起上一代的urllib庫,Requests實現(xiàn)爬蟲更加便捷迅速。

2.爬蟲原理

爬蟲基本流程:

網(wǎng)絡爬蟲

發(fā)起請求:
通過HTTP庫向目標站點發(fā)起請求呀忧,等待目標站點服務器響應。

獲取響應:
若服務器正常響應溃睹,會返回一個Response而账,該Response即為獲取得頁面內(nèi)容,Response可以是HTML因篇、JSON字符串泞辐、二進制數(shù)據(jù)等數(shù)據(jù)類型。

解析內(nèi)容:
利用正則表達式竞滓、網(wǎng)頁解析庫對HTML進行解析咐吼;將json數(shù)據(jù)轉(zhuǎn)為JSON對象進行解析;保存我們需要得二進制數(shù)據(jù)(圖片商佑、視頻)锯茄。

保存數(shù)據(jù):
可將爬取并解析后的內(nèi)容保存為文本,或存至數(shù)據(jù)庫等茶没。

3.Requests總覽
image
requests
requests請求 功能
requests.get( ) 從服務器獲取數(shù)據(jù)
requests.post( ) 向服務器提交數(shù)據(jù)
requests.put( ) 從客戶端向服務器傳送的數(shù)據(jù)取代指定的文檔的內(nèi)容
requests.delete( ) 請求服務器刪除指定頁面
requests.head( ) 請求頁面頭部信息
requests.options( ) 獲取服務器支持的HTTP請求方法
requests.patch( ) 向HTML提交局部修改請求肌幽,對應于HTTP的PATCH
requests.connect( ) 把請求連接轉(zhuǎn)換到透明的TCP/IP通道
requests.trace( ) 回環(huán)測試請求,查看請求是否被修改
requests.session( ).get( ) 構(gòu)造會話對象
requesets請求參數(shù) 含義
url 請求的網(wǎng)址
allow_redirects 設置是否重新定向
auth 設置HTTP身份驗證
cert 指定證書文件或密鑰的字符串
cookies 要發(fā)送至指定網(wǎng)址的Cookie字典
headers 要發(fā)送到指定網(wǎng)址的HTTP標頭字典
proxies URL代理的協(xié)議字典
stream 指定響應后是否進行流式傳輸
timeout 設置等待客戶端連接的時間
verify 用于驗證服務器TLS證書的布爾值或字符串指示
"""get請求"""
import requests

url = 'https://tse4-mm.cn.bing.net/th/id/OIP-C.w3cHPxIHKpLZodnlBoIZXgHaMx?w=182&h=314&c=7&o=5&dpr=1.45&pid=1.7'
response = requests.get(url)
print(res.status_code)

"""添加請求頭:header"""
headers = {'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'}
response = requests.get('https://www.zhihu.com/explore',headers=headers)
print(response.status_code)

"""帶請求參數(shù)"""
params = {'wd':'python'}
response = requests.get('https://www.baidu.com/',params=params)
print(response.status_code)

"""代理設置"""
proxies = {'http':'http://127.0.0.1:9743',
          'https':'https://127.0.0.1:9742',}
response = requests.get('https://www.taobao.com',proxies=proxies)
print(rsponse.status_code)

"""SSL證書驗證"""
response = requests.get('https://www.12306.cn',verify=False)
print(response.status_code)

"""超時設置"""
from requests.exceptions import ReadTimeout
try:
    response = requests.get("http://httpbin.org/get", timeout = 0.5)
    print(response.status_code)
except ReadTimeout:
    print('timeout')

"""認證設置"""
from requests.auth import HTTPBasicAuth
response = requests.get("http://120.27.34.24:9001/",auth=HTTPBasicAuth("user","123"))
print(response.status_code)
"""post請求"""

import requests
import json

host = 'http://httpbin.org/'
endpoint = 'post'
url = ''.join([host,endpoint])

"""帶數(shù)據(jù)的post"""
data = {'key1':'value1','key2':'value2'}
response = requests.post(url,data=data)
print(response.status_code)
print(response.text)

"""帶headers的post"""
headers = {'User-Agent':'test request headers'}
response = requests.post(url,headers=headers)
print(response.status_code)
print(response.text)

"""帶json的post"""
data = {
    'sites':[
        {'name':'test','url':'www.test.com'},
        {'name':'google','url':'www.google.com'},
        {'name':'weibo','url':'www.weibo.com'}
    ]
}
response = requests.post(url,json=data)
print(response.status_code)
print(response.text)

"""帶參數(shù)的post"""
params = {'key1':'params1','key2':'params'}
response = requests.post(url,params=params)
print(response.status_code)
print(response.text)

"""文件上傳"""
files = {'file':open('fisrtgetfile.txt','rb')}
response = requests.post(url,files=files)
print(response.status_code)
print(response.text)
"""put請求"""
import requests 
import json

url = 'http://127.0.0.1:8080'
header = {'Content-Type':'application/json'}
param = {'myObjectField':'hello'}
payload = json.dumps(param)

response = requests.put(url,data=payload,headers=headers)
"""head請求"""
import requests

response = requests.head('https://pixabay.com/zh/')
print(response.status_code)
"""delete請求"""
import requests

url = 'https://api.github.com/user/emails'
email = '2475757652@qq.com'

response = requests.delete(url,json=email,auth=('username','password'))
print(response.status_code)
"""options請求"""
import requests
import json

url = 'https://www.baidu.com/s'
response = requests.options(url)
print(response.status_code)


response
response屬性 功能
response.text 獲取文本內(nèi)容
response.content 獲取二進制數(shù)據(jù)
response.status_code 獲取狀態(tài)碼
response.headers 獲取響應頭
response.cookies 獲取cookies信息
response.cookies.get_dict 以字典形式獲取cookies信息
response.cookies.items 以列表形式獲取cookies信息
response.url 獲取請求的URL
response.historty 獲取跳轉(zhuǎn)前的URL
response.json 獲取json數(shù)據(jù)
import requests 

url = 'https://baike.baidu.com/item/%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB/5162711'
response = requests.get(url)

print(response.status_code)
print(response.text)
print(response.json)
print(response.content)
print(response.headers)
print(response.cookies)
print(response.cookies.items)
print(response.url)
print(response.history)
print(response.cookies.get_dict)
"""爬蟲下載圖片"""
import requests
import matplotlib.pyplot as plt

url = 'https://cn.bing.com/images/search?view=detailV2&ccid=qr8JYj0b&id=6CEE679B0BCE19C94FB9C7595986720942C92261&thid=OIP.qr8JYj0bcms3xayruiZmnAHaJQ&mediaurl=https%3a%2f%2ftse1-mm.cn.bing.net%2fth%2fid%2fR-C.aabf09623d1b726b37c5acabba26669c%3frik%3dYSLJQglyhllZxw%26riu%3dhttp%253a%252f%252fp1.ifengimg.com%252f2019_02%252f95A41E54C3C8EB3B3B148A30CE716314B0AED504_w1024_h1280.jpg%26ehk%3d2EhKcVkSnCvT6uBfgisn%252fdwtghMXFWjGa5WgqEbBSPc%253d%26risl%3d%26pid%3dImgRaw&exph=1280&expw=1024&q=%e7%9f%b3%e5%8e%9f%e9%87%8c%e7%be%8e&simid=607996751665040666&FORM=IRPRST&ck=399D74E04F8507D6711ADC8F53A714D7&selectedIndex=0&ajaxhist=0&ajaxserp=0'
response = requests.get(url)
img = response.content

with open('shiyuanlimei.jpg','wb') as f:
    f.write(img)

HTTP狀態(tài)碼分類 分類含義
1** 信息抓半,服務器收到請求喂急,需要請求者繼續(xù)執(zhí)行操作
2** 成功,請求被成功接收并處理
3** 重定向琅关,需要進一步的操作以完成請求
4** 客戶端錯誤,請求包含語法錯誤或無法完成請求
5** 服務器錯誤讥蔽,服務器在處理請求的過程中發(fā)送錯誤

從以上內(nèi)容可知涣易,Requests庫在向目標網(wǎng)址發(fā)送各種請求方面是非常簡單易操作的;但Requests庫只是完成了網(wǎng)絡爬蟲中發(fā)起請求冶伞、獲取響應這兩個步驟新症;之后的內(nèi)容解析、數(shù)據(jù)保存需要用到另一個庫:BeautifulSoup响禽。


寫在最后

下一篇文章將為大家?guī)鞡eautifulSoup庫的超全面講解徒爹!
歡迎大家來到【人類之奴】個眾,獲取更多有趣有料的知識芋类!

優(yōu)秀參考

網(wǎng)絡爬蟲
Requests: 讓 HTTP 服務人類
requests - 廖雪峰的官方網(wǎng)站

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末隆嗅,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子侯繁,更是在濱河造成了極大的恐慌胖喳,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,907評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件贮竟,死亡現(xiàn)場離奇詭異丽焊,居然都是意外死亡较剃,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,987評論 3 395
  • 文/潘曉璐 我一進店門技健,熙熙樓的掌柜王于貴愁眉苦臉地迎上來写穴,“玉大人,你說我怎么就攤上這事雌贱“∷停” “怎么了?”我有些...
    開封第一講書人閱讀 164,298評論 0 354
  • 文/不壞的土叔 我叫張陵帽芽,是天一觀的道長删掀。 經(jīng)常有香客問我,道長导街,這世上最難降的妖魔是什么披泪? 我笑而不...
    開封第一講書人閱讀 58,586評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮搬瑰,結(jié)果婚禮上款票,老公的妹妹穿的比我還像新娘。我一直安慰自己泽论,他們只是感情好艾少,可當我...
    茶點故事閱讀 67,633評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著翼悴,像睡著了一般缚够。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上鹦赎,一...
    開封第一講書人閱讀 51,488評論 1 302
  • 那天谍椅,我揣著相機與錄音,去河邊找鬼古话。 笑死雏吭,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的陪踩。 我是一名探鬼主播杖们,決...
    沈念sama閱讀 40,275評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼颅痊,長吁一口氣:“原來是場噩夢啊……” “哼辛块!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起羹令,我...
    開封第一講書人閱讀 39,176評論 0 276
  • 序言:老撾萬榮一對情侶失蹤傻谁,失蹤者是張志新(化名)和其女友劉穎描焰,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,619評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡荆秦,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,819評論 3 336
  • 正文 我和宋清朗相戀三年篱竭,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片步绸。...
    茶點故事閱讀 39,932評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡掺逼,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出瓤介,到底是詐尸還是另有隱情吕喘,我是刑警寧澤,帶...
    沈念sama閱讀 35,655評論 5 346
  • 正文 年R本政府宣布刑桑,位于F島的核電站氯质,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏祠斧。R本人自食惡果不足惜闻察,卻給世界環(huán)境...
    茶點故事閱讀 41,265評論 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望琢锋。 院中可真熱鬧辕漂,春花似錦、人聲如沸吴超。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,871評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽鲸阻。三九已至跋涣,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間鸟悴,已是汗流浹背陈辱。 一陣腳步聲響...
    開封第一講書人閱讀 32,994評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留遣臼,地道東北人性置。 一個月前我還...
    沈念sama閱讀 48,095評論 3 370
  • 正文 我出身青樓拾并,卻偏偏與公主長得像揍堰,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子嗅义,可洞房花燭夜當晚...
    茶點故事閱讀 44,884評論 2 354

推薦閱讀更多精彩內(nèi)容