python3爬虫攻略（9）：requests的使用

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。
相对于urlilib的request来说Requests可以说是异常的强大。（话说回来，相同的名字，都是多了一个”s”那个比较牛掰，比如像SKT,KT……………………)
好了回到正题，使用requests最好还是参考官方文档： http://docs.python-requests.org/zh_CN/latest/index.html
Requests是第三方库，需要使用pip install requests 安装。

一：最基本的GET请求可以直接用get方法

import requests
url="http://www.4j4j.cn/"
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"}
response=requests.get(url=url,headers=headers)
#查看响应头部字符编码
print(response.encoding)
#查看url地址
print(response.url)

#查看响应内容，response.content返回的字节流数据,需要decode(),
#如果响应头部字符编码是utf-8编码则decode("gbk"),反之则decode("utf-8")

print(response.content.decode("utf-8"))

#response.text 返回的是Unicode格式的数据
#如果响应头部字符编码是gbk编码或者gb2312需要设置response.encoding="gbk"才能正常显示
#如果响应头部字符编码是utf-8编码则不需要处理
print(response.text)

二：添加headers和查询参数

import requests
data={"wd":"美女"}
url="https://www.baidu.com/s?"
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"}
#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(url,params=data,headers=headers)
print(response.url)

运行结果：https://www.baidu.com/s?wd=%E7%BE%8E%E5%A5%B3

三：基本POST请求，传入data参数

import requests
data={  
        "from":"zh",  
        "to":"en",  
        "query":"拿破仑",  
        "transtype":"realtime",  
        "simple_means_flag":3     
    }
url="http://fanyi.baidu.com/v2transapi"
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"}
response=requests.post(url,data=data,headers=headers)
#如果返回的json文件也可以直接像是
print(response.json())

四：代理（proxies参数）

import requests
# 根据协议类型，选择不同的代理
proxies = {
  "http": "http://183.34.56.79:9527",
  "https": "http://183.34.56.79:9527",
}
response = requests.get("http://www.baidu.com", proxies = proxies)
print(response.text)

五：私密代理
免费代理速度慢，而且使用的人也多，容易冲突。所以如果想要使用流畅的代理，肯定还是只用花钱买私密代理。

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": "账号:密码@183.34.56.79:9527" }
response = requests.get("http://www.baidu.com", proxies = proxy)
print(response.text)

六：Cookies

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)

运行结果：
RequestsCookieJar[Cookie BDORZ=27315 for .baidu.com]
{‘BDORZ’: ‘27315’}

七：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
#创建session对象，可以保存Cookie值
ssion = requests.session()
#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"}
#需要登录的用户名和密码
data = {"email":"人人网账号", "password":"密码"}  
#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)
#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/894073113/profile")
#打印响应内容
print (response.text)

运行效果：
这里写图片描述

python3爬虫攻略（9）：requests的使用

猜你喜欢