小白篇,认识Python最最最常用语重要的库Requests
Requests库是Python爬虫中最最最最最最重要与常见的库,一定要熟练掌握它.
下面我们来认识这个库
requests是Python最为常用的http请求库,也是极其简单的.使用的时候,首先需要对requests进行安装,直接使用Pycharm进行一键安装。
1.响应与编码
import requests url = 'http://www.baidu.com' r = requests.get(url) print type(r) print r.status_code print r.encoding #print r.content print r.cookies 得到: <class 'requests.models.Response'> 200 ISO-8859-1 <RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>
2.Get请求方式
values = {'user':'aaa','id':'123'} url = 'http://www.baidu.com' r = requests.get(url,values) print r.url 得到:http://www.baidu.com/?user=aaa&id=123
3.Post请求方式
values = {'user':'aaa','id':'123'} url = 'http://www.baidu.com' r = requests.post(url,values) print r.url #print r.text 得到: http://www.baidu.com/
4.请求头headers处理
user_agent = {'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4295.400 QQBrowser/9.7.12661.400'} header = {'User-Agent':user_agent} url = 'http://www.baidu.com/' r = requests.get(url,headers=header) print r.content
注意处理请求的headers
很多时候我们服务器会检验请求是否来自于浏览器,所以我们需要在请求的头部伪装成浏览器来请求服务器.一般做请求的时候,最好都要伪装成浏览器,防止出现拒绝访问等错误,这也是一种反爬虫的一种策略
特别说明,以后无论我们做什么请求,一定要带上headers,千万不要偷懒省事,把这里当成一条交通规则来理解,闯红灯不一定会发生危险但不安全,为了省事,我们遵循红灯停绿灯行就够了,做网络爬虫请求也一样,必须把这个headers加上,以防出错.
user_agent = {'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4295.400 QQBrowser/9.7.12661.400'} header = {'User-Agent':user_agent} url = 'http://www.qq.com/' request = urllib2.Request(url,headers=header) response = urllib2.urlopen(request) print response.read().decode('gbk')#这里注意一下需要对读取的网页内容进行转码,先要查看一下网页的chatset是什么格式.
在浏览器上打开www.qq.com然后按F12,查看User-Agent:
User-Agent : 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求
Content-Type : 在使用 REST 接口时,服务器会检查该值,用来确定 HTTP Body 中的内容该怎样解析。
application/xml :在 XML RPC,如 RESTful/SOAP 调用时使用
application/json :在 JSON RPC 调用时使用
application/x-www-form-urlencoded :浏览器提交 Web 表单时使用
在使用服务器提供的 RESTful 或 SOAP 服务时, Content-Type 设置错误会导致服务器拒绝服务
5.响应码code与响应头headers处理
url = 'http://www.baidu.com' r = requests.get(url) if r.status_code == requests.codes.ok: print r.status_code print r.headers print r.headers.get('content-type')#推荐用这种get方式获取头部字段 else: r.raise_for_status() 得到: 200 {'Content-Encoding': 'gzip', 'Transfer-Encoding': 'chunked', 'Set-Cookie': 'BDORZ=27315; max-age=86400; domain=.baidu.com; path=/', 'Server': 'bfe/1.0.8.18', 'Last-Modified': 'Mon, 23 Jan 2017 13:27:57 GMT', 'Connection': 'Keep-Alive', 'Pragma': 'no-cache', 'Cache-Control': 'private, no-cache, no-store, proxy-revalidate, no-transform', 'Date': 'Wed, 17 Jan 2018 07:21:21 GMT', 'Content-Type': 'text/html'} text/html
6.cookie处理
url = 'https://www.zhihu.com/' r = requests.get(url) print r.cookies print r.cookies.keys() 得到: <RequestsCookieJar[<Cookie aliyungf_tc=AQAAACYMglZy2QsAEnaG2yYR0vrtlxfz for www.zhihu.com/>]> ['aliyungf_tc']
7重定向与历史消息
处理重定向只是需要设置一下allow_redirects字段即可,将allow_redirectsy设置为True则是允许重定向的,设置为False则禁止重定向的
r = requests.get(url,allow_redirects = True) print r.url print r.status_code print r.history 得到: http://www.baidu.com/ 200 []
8.超时设置
超时选项是通过参数timeout来设置的
python url = 'http://www.baidu.com' r = requests.get(url,timeout = 2)
9.代理设置
proxis = { 'http':'http://www.baidu.com', 'http':'http://www.qq.com', 'http':'http://www.sohu.com', } url = 'http://www.baidu.com' r = requests.get(url,proxies = proxis)
如果你觉得文章还不错,请大家点赞下,你的肯定是我最大的鼓励和支持。
- 点赞
- 收藏
- 关注作者
评论(0)