Requets模块的使用(爬取简单网页和图片)

Requests 使用入门:

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

安装方式:

利用 pip 安装 或者利用 easy_install 都可以完成安装：

pip install requests

easy_install requests

基本GET请求:

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/baidu?", params = kw, headers = headers)

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

# 查看响应内容,response.content返回的字节流数据
print (respones.content)

# 查看完整url地址
print (response.url)

# 查看响应头部字符编码
print (response.encoding)

# 查看响应码
print (response.status_code)

-----------------------------
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.

爬去网页:

产生问题的原因分析:

requests默认自带的Accept-Encoding导致或者新浪默认发送的就是压缩之后的网页
但是为什么content.read()没有问题,因为requests,自带解压压缩网页的功能

当收到一个响应时,Requests 会猜测响应的编码方式,用于在你调用response.text 方法时对响应进行解码.
Requests 首先在 HTTP 头部检测是否存在指定的编码方式,如果不存在,则会使用 chardet.detect来尝试猜测编码方式（存在误差）
更推荐使用response.content.deocde()

爬取图片并保存:

-----------------------------------------------
import requests
img_url = "https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1601019468959&
           di=ab4f277eaeb45d0f953befeceb0a9c84&imgtype=0&src=http%3A%2F%2Fa2.att.hudong.com%2F
           25%2F19%2F01300000167299127987196914835.jpg"
headers = {"User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) 
            Chrome/84.0.4147.135 Safari/537.36"}
resp = requests.get(img_url,headers=headers)
print(resp.status_code)
with open("img.jpg","wb") as f:
    f.wirte(resp.content)
-----------------------------------------------

基本POST请求（data参数）:

1. 最基本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
    import json
    
    formdata = {
        "i": "你好",
        "from": "AUTO",
        'to': 'AUTO',
        'smartresult': 'dict',
        'client': 'fanyideskweb',
        'salt': '16010104571724',
        'sign': 'da4e788cfacbd8cd8b96588042d53324',
        'lts': '1601010457172',
        'bv': 'b7d083ea2270df2b0abf47e3a48f3bb1',
        'doctype': 'json',
        'version': '2.1',
        'keyfrom': 'fanyi.web',
        'action': 'FY_BY_REALTlME'
    }
    
    url = "http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule"
    
    headers={ "User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.135 Safari/537.36", "Referer": "http://fanyi.youdao.com/","Cookie": "[email protected]; JSESSIONID=aaauz7PIZoLJR-keHPdtx; OUTFOX_SEARCH_USER_ID_NCOO=1187409981.6170602; ___rl__test__cookies=1601010457168"}
    
    response = requests.post(url, data = formdata, headers = headers)
     
    resp_data = json.loads(response.text)  
    
    print(resp_data["translateResult"][0][0]["tgt"])
        
    # 如果是json文件可以直接显示
    print (response.status_code)
    
    # 如果是json文件可以直接显示
    print (response.json())
    ------------------------------------

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",
  "https": "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）:

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:[email protected]: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)

Cookies 和 Sission:

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/")

# 返回CookieJar对象:
cookiejar = response.cookies

# 将CookieJar转为字典：
cookiedict = requests.utils.dict_from_cookiejar(cookiejar)

print(cookiejar)

print(cookiedict)

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":"[email protected]", "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)
----------------------

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 (r.text)



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)

Requests小技巧:

1、reqeusts.util.dict_from_cookiejar  把cookie对象转化为字典
1.1. requests.get(url,cookies={})
2、请求 SSL证书验证
    response = requests.get("https://www.12306.cn/mormhweb/ ", verify=False)
3、设置超时
    response = requests.get(url,1)
4、配合状态码判断是否请求成功
   assert response.status_code == 200

Requets模块的使用(爬取简单网页和图片)

猜你喜欢