requests模块

requests使用入门

问题：为什么要学习requests，而不是urllib?

1. requests的底层实现就是urllib
2. requests在python2和python3中通用，方法完全一样
3. requests简单易用
4. requests能够自动帮助我们解压（gzip压缩的等）网页内容

requests的作用

作用：发送网络请求，返回响应数据
中文文档 API：http://docs.python-requests.org/zh_CN/latest/index.html

发送简单的请求

需求：通过requests向百度首页发送请求，获取百度首页的数据
response = request.get(url)

response的常用方法：

• response.text
• response.content
• response.status_code
• response.request.headers
• response.headers

response.text和response.content的区别

• response.text
  • 类型：str
  • 解码类型：根据HTTP头部对响应的编码做出有根据的推测，推测文本编码
  • 如何修改编码方式：response.encoding="gbk"
• response.content
  • 类型：bytes
  • 解码类型：没有指定
  • 如果修改编码方式：response.content.decode("utf-8")

发送带header的请求

模拟浏览器，欺骗服务器，获取和浏览器一致的内容

• header的形式：字典
• headers={"User-Agent":Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.92 Mobile Safari/537.36}
• 用法：requests.get(url, headers=headers)

发送带参数的请求

什么叫做请求参数
例1：http://www.webkaka.com/tutorial/server/2015/021013/
例2：https://www.baidu.com/s?wd=python&c=b

• 参数的形式：字典
• kw = {'wd': '长城'}
• 用法：requests.get(url, params=kw)

发送POST请求

用法：
reponse = requests.post("http://www.baidu.com/", data=data, headers=headers)

data 的形式：字典

使用代理

1. 用法：requests.get("http://www.baidu.com", proxies=proxies)
proxies的形式：字典

proxies = {
    "http": "http://12.34.56.79:9527",
    "https": "https://12.34.56.79:9527"
}

2. retrying模块的使用

• 使用retrying模块提供的retry模块
• 通过装饰器的方式使用，让被装饰的函数反复执行
• retry中可以传入参数stop_max_attempt_number，让函数报错后继续重新执行，达到最大执行次数的上限，如果每次都报错，整个函数报错，如果中间有一个成功，程序继续往后执行
  示例代码：

import requests
from retrying import retry

headers = {}

@retry(stop_max_attempt_number=3)  #最大重试3次，3次全部报错，才会报错
def _parse_url(url):
    response = requests.get(url, headers=headers, timeout=3)  # 超时的时候会报错并重试
    assert response.status_code == 200 # 状态码不是200，也会报错并重试
    return response

cookie和session的区别

• cookie数据存放在客户的浏览器上，session数据存放在服务器上。
• cookie不是很安全，别人可以分析存放在本地的cookie并进行cookie欺骗
• session会在一定时间内保存在服务器上。当访问增多，会比较占用你服务器的性能。
• 单个cookie保存的数据不能超过4k，很多浏览器都限制一个站点最多保存20个cookie。

爬虫处理cookie和session

带上cookie、session的好处：
能够请求登录之后的页面
带上cookie、session的弊端：
一套cookie和session往往和一个用户对应请求太快，请求次数太多，容易被服务器识别为爬虫

不需要cookie的时候尽量不去使用cookie

但是为了获取登录之后的页面，我们必须发送带有cookies的请求

处理cookies、session请求

requests提供了一个叫做session类，来实现客户端和服务端的会话保持
使用方法：

1. 实例化一个session对象
2. 让session发送get或者post请求
   session = requests.session()
   response = session.get(url, headers)