python爬蟲---requests庫的用法

標籤：處理   資訊   style   web   read   參數   blog   wow   warnings   

requests是python實現的簡單易用的HTTP庫，使用起來比urllib簡潔很多

因為是第三方庫，所以使用前需要cmd安裝

pip install requests

安裝完成後import一下，正常則說明可以開始使用了。

基本用法：

requests.get()用於請求目標網站，類型是一個HTTPresponse類型

import requestsresponse = requests.get(‘http://www.baidu.com‘)
print(response.status_code)  # 列印狀態代碼
print(response.url)          # 列印請求url
print(response.headers)      # 列印頭資訊
print(response.cookies)      # 列印cookie資訊print(response.text)  #以文本形式列印網頁源碼
print(response.content) #以位元組流形式列印

運行結果：

狀態代碼：200

url：www.baidu.com

headers資訊

 

 

 各種請求方式：

import requestsrequests.get(‘http://httpbin.org/get‘)requests.post(‘http://httpbin.org/post‘)requests.put(‘http://httpbin.org/put‘)requests.delete(‘http://httpbin.org/delete‘)requests.head(‘http://httpbin.org/get‘)requests.options(‘http://httpbin.org/get‘)

 

基本的get請求

import requestsresponse = requests.get(‘http://httpbin.org/get‘)print(response.text)

結果

 

 

 

帶參數的GET請求：

第一種直接將參數放在url內

import requestsresponse = requests.get(http://httpbin.org/get?name=gemey&age=22)print(response.text)

結果

另一種先將參數填寫在dict中，發起請求時params參數指定為dict

import requestsdata = {    ‘name‘: ‘tom‘,    ‘age‘: 20}response = requests.get(‘http://httpbin.org/get‘, params=data)print(response.text)

結果同上

 

解析json

import requestsresponse = requests.get(‘http://httpbin.org/get‘)print(response.text)print(response.json())  #response.json()方法同json.loads(response.text)print(type(response.json()))

結果

 

簡單儲存一個二進位檔案

二進位內容為response.content

import requestsresponse = requests.get(‘http://img.ivsky.com/img/tupian/pre/201708/30/kekeersitao-002.jpg‘)b = response.contentwith open(‘F://fengjing.jpg‘,‘wb‘) as f:    f.write(b)

 

為你的請求添加頭資訊

import requests

heads = {}
heads[‘User-Agent‘] = ‘Mozilla/5.0 ‘ \
                          ‘(Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 ‘ \
                          ‘(KHTML, like Gecko) Version/5.1 Safari/534.50‘

 response = requests.get(‘http://www.baidu.com‘,headers=headers)

 

使用代理

同添加headers方法，代理參數也要是一個dict

這裡使用requests庫爬取了IP代理網站的IP與連接埠和類型

因為是免費的，使用的Proxy 位址很快就失效了。

import requestsimport redef get_html(url):    proxy = {        ‘http‘: ‘120.25.253.234:812‘,        ‘https‘ ‘163.125.222.244:8123‘    }    heads = {}    heads[‘User-Agent‘] = ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0‘    req = requests.get(url, headers=heads,proxies=proxy)    html = req.text    return htmldef get_ipport(html):    regex = r‘<td data-title="IP">(.+)</td>‘    iplist = re.findall(regex, html)    regex2 = ‘<td data-title="PORT">(.+)</td>‘    portlist = re.findall(regex2, html)    regex3 = r‘<td data-title="類型">(.+)</td>‘    typelist = re.findall(regex3, html)    sumray = []    for i in iplist:        for p in portlist:            for t in typelist:                pass            pass        a = t+‘,‘+i + ‘:‘ + p        sumray.append(a)    print(‘高匿代理‘)    print(sumray)if __name__ == ‘__main__‘:    url = ‘http://www.kuaidaili.com/free/‘    get_ipport(get_html(url))

結果：

 

 

基本POST請求：

import requestsdata = {‘name‘:‘tom‘,‘age‘:‘22‘}response = requests.post(‘http://httpbin.org/post‘, data=data)

 

 擷取cookie

#擷取cookieimport requestsresponse = requests.get(‘http://www.baidu.com‘)print(response.cookies)print(type(response.cookies))for k,v in response.cookies.items():    print(k+‘:‘+v)

結果：

 

 

會話維持

import requestssession = requests.Session()session.get(‘http://httpbin.org/cookies/set/number/12345‘)response = session.get(‘http://httpbin.org/cookies‘)print(response.text)

結果：

 

認證驗證設定

import requestsfrom requests.packages import urllib3urllib3.disable_warnings()  #從urllib3中消除警告response = requests.get(‘https://www.12306.cn‘,verify=False)  #認證驗證設為FALSEprint(response.status_code)

列印結果：200

 

逾時異常捕獲

import requestsfrom requests.exceptions import ReadTimeouttry:    res = requests.get(‘http://httpbin.org‘, timeout=0.1)    print(res.status_code)except ReadTimeout:    print(timeout)

 

異常處理

在你不確定會發生什麼錯誤時，盡量使用try...except來捕獲異常

所有的requests exception：

Exceptions

import requestsfrom requests.exceptions import ReadTimeout,HTTPError,RequestExceptiontry:    response = requests.get(‘http://www.baidu.com‘,timeout=0.5)    print(response.status_code)except ReadTimeout:    print(‘timeout‘)except HTTPError:    print(‘httperror‘)except RequestException:    print(‘reqerror‘)

 

 

 

python爬蟲---requests庫的用法