zoukankan      html  css  js  c++  java

  • 2.04_Python网络爬虫_Requests模块

    一：Requests: 让 HTTP 服务人类

    虽然Python的标准库中 urllib2 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”，说明使用更简洁方便。

    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urllib2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的文档非常完备，中文文档也相当不错。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

    中文文档 API： http://docs.python-requests.org/zh_CN/latest/index.html

    二：安装方式

       如果没有安装pip，可进行如下安装：python -m pip install -U pip

      

       利用 pip 安装 或者利用 easy_install 都可以完成安装：

     $ pip install requests

    　$ easy_install requests

    三：基本GET请求：使用Requests发送网络请求（headers参数 和 parmas参数）

    1. 最基本的GET请求可以直接用get方法

    response = requests.get("http://www.baidu.com/")
# 也可以这么写
# response = requests.request("get", "http://www.baidu.com/")

    2. 添加 headers 和 查询参数

    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。

    import requests

kw = {'wd':'长城'}
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"}

# 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()
response = requests.get("http://www.baidu.com/s?", params = kw, headers = headers)

# 查看响应内容，response.text 返回的是Unicode编码格式的数据
print response.text

# 查看响应内容，response.content返回的字节流数据，在Python3中：respones.content.decode()用于将响应的二进制字节流转化为str
print respones.content

#发送请求的URL地址
print response.request.url
# 查看response响应的url地址
print response.url

#请求头
print response.request.headers
#响应请求
print response.headers

# 查看响应头部字符编码 
print response.encoding 
# 查看响应码 
print response.status_code
    运行结果
......
......

'http://www.baidu.com/s?wd=%E9%95%BF%E5%9F%8E'

'utf-8'

200

    • 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。

    四：基本POST请求（data参数）

    1. 最基本的GET请求可以直接用post方法

    response = requests.post("http://www.baidu.com/", data = data)

    2. 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。

    import requests

formdata = {
    "type":"AUTO",
    "i":"i love python",
    "doctype":"json",
    "xmlVersion":"1.8",
    "keyfrom":"fanyi.web",
    "ue":"UTF-8",
    "action":"FY_BY_ENTER",
    "typoResult":"true"
}

url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null"

headers={ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36"} #模拟浏览器

response = requests.post(url, data = formdata, headers = headers)

print response.text

#如果是json文件可以直接显示
print response.json()

    运行结果

    {"type":"EN2ZH_CN","errorCode":0,"elapsedTime":2,"translateResult":[[{"src":"i love python","tgt":"我喜欢python"}]],"smartResult":{"type":1,"entries":["","肆文","高德纳"]}}

{u'errorCode': 0, u'elapsedTime': 0, u'translateResult': [[{u'src': u'i love python', u'tgt': u'u6211u559cu6b22python'}]], u'smartResult': {u'type': 1, u'entries': [u'', u'u8086u6587', u'u9ad8u5fb7u7eb3']}, u'type': u'EN2ZH_CN'}

    代理（proxies参数）

    如果需要使用代理，你可以通过为任意请求方法提供 proxies 参数来配置单个请求：

    import requests

# 根据协议类型，选择不同的代理
proxies = {"http": "http://12.34.56.79:9527"}

response = requests.get("http://www.baidu.com", proxies = proxies)
print response.text

    也可以通过本地环境变量 HTTP_PROXY 和 HTTPS_PROXY 来配置代理：

    export HTTP_PROXY="http://12.34.56.79:9527"
export HTTPS_PROXY="https://12.34.56.79:9527"

    私密代理验证（特定格式） 和 Web客户端验证（auth 参数）

    urllib2 这里的做法比较复杂，requests只需要一步：

    私密代理

    
import requests

# 如果代理需要使用HTTP Basic Auth，可以使用下面这种格式：
proxy = { "http": "mr_mao_hacker:sffqry9r@61.158.163.130:16816" }

response = requests.get("http://www.baidu.com", proxies = proxy)

print response.text

    web客户端验证

    如果是Web客户端验证，需要添加 auth = (账户名, 密码)

    import requests

auth=('test', '123456')

response = requests.get('http://192.168.199.107', auth = auth)

print response.text

    urllib2 泪奔...

    五：Cookies 和 Session

    Cookies：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/")

# 7. 返回CookieJar对象:
cookiejar = response.cookies

# 8. 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'}

    Session：在 requests 里，session对象是一个非常常用的对象，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 。

    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

    六：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

    运行结果：

    <!DOCTYPE html>
<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge>百度一下，你就知道 ....
    • 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

    果然：

    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。

    r = requests.get("https://www.12306.cn/mormhweb/", verify = False)

  • 相关阅读:
    jQuery 源码解析(二十四) DOM操作模块 包裹元素 详解
    jQuery 源码解析(二十三) DOM操作模块 替换元素 详解
    jQuery 源码解析(二十二) DOM操作模块 复制元素 详解
    jQuery 源码分析(二十一) DOM操作模块 删除元素 详解
    jQuery 源码分析(二十) DOM操作模块 插入元素 详解
    jQuery 源码分析(十九) DOM遍历模块详解
    python 简单工厂模式
    python 爬虫-协程 采集博客园
    vue 自定义image组件
    微信小程序 image组件坑
  • 原文地址：https://www.cnblogs.com/yaboya/p/9002646.html
Copyright © 2011-2022 走看看