データ収集 - 爬虫類-3（リクエスト・ライブラリー）

その他 2019-10-20 23:06:27 訪問数: null

ライブラリのチュートリアルをリクエスト

HTTPライブラリを使用する方が簡単urllibはして比較しました。

リクエスト

リクエストをGET：だけする必要がrequests.get()GETリクエストを達成し、応答を得ることができ、着信対応するURLを処理します。POSTリクエストを使用してrequests.post()次のようにメソッドのコードは次のとおりです。

#GET请求
import requests

response = requests.get('https://www.baidu.com/')
print(response)
#POST请求
import requests

data = {'name': 'germey', 'age': '22'}
response = requests.post("http://httpbin.org/post", data=data)
print(response.text)

ライブラリー法、直接実装されたURLにパラメータを追加することができParamsパラメータに渡されたパラメータの形式で辞書より便利に、引数に渡された要求を提供します。次のようにデータフォームPOSTリクエストは、直接そのような固有のコードを配置してもよいです。

# GET请求
import requests

data = {
    'name': 'germey',
    'age': 22
}
response = requests.get("http://httpbin.org/get", params=data)
print(response.text)

# POST请求
import requests

data = {'name': 'germey', 'age': '22'}
headers = {
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'
}
response = requests.post("http://httpbin.org/post", data=data, headers=headers)
print(response.json())

セットヘッダ：ヘッダは、着信情報指示get()次のように関数のパラメータに対応する、POSTのリクエストヘッダは、同じ方法が提供さ（対応するコードブロック上記参照）コードです。

import requests

headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'
}
response = requests.get("https://www.zhihu.com/explore", headers=headers)
print(response.text)

応答

  1. JSONの構文解析：リクエスト・ライブラリは、レスポンスはJSON形式を返す場合、JSONを解析するためのシンプルで簡単な方法を提供.json()する方法を使用しているリクエストのJSON形式に直接保存することができjson.loads()、全く同じ効果が機能し。コードは以下の通りであります：

    import requests
import json

response = requests.get("http://httpbin.org/get")
print(type(response.text))
print(response.json())#使用json方法解析
print(json.loads(response.text))#使用loads方法转化为json，与上一行比较返回结果一样。
print(type(response.json()))

  2. バイナリデータを取得します：なWebページから写真やビデオなどのデータを使用する必要が取得.contentする方法をして、コンテンツをローカルに保存するための保存操作ファイルを使用します。コードは以下の通りであります：

    import requests

response = requests.get("https://github.com/favicon.ico")#通过传入URL下载图片
print(type(response.text), type(response.content))
print(response.text)
print(response.content)#文件的二进制编码，与urllib库一样。

with open('favicon.ico', 'wb') as f:#保存文件
    f.write(response.content)
    f.close()

  3. ステータスコード：使用して.status_code()サーバから返さ方法入手可能なステータス・コード、状態コードの各々は、以下の表に対応する状態に対応します。

    100: ('continue',),
101: ('switching_protocols',),
102: ('processing',),
103: ('checkpoint',),
122: ('uri_too_long', 'request_uri_too_long'),
200: ('ok', 'okay', 'all_ok', 'all_okay', 'all_good', '\\o/', '✓'),
201: ('created',),
202: ('accepted',),
203: ('non_authoritative_info', 'non_authoritative_information'),
204: ('no_content',),
205: ('reset_content', 'reset'),
206: ('partial_content', 'partial'),
207: ('multi_status', 'multiple_status', 'multi_stati', 'multiple_stati'),
208: ('already_reported',),
226: ('im_used',),

# Redirection.
300: ('multiple_choices',),
301: ('moved_permanently', 'moved', '\\o-'),
302: ('found',),
303: ('see_other', 'other'),
304: ('not_modified',),
305: ('use_proxy',),
306: ('switch_proxy',),
307: ('temporary_redirect', 'temporary_moved', 'temporary'),
308: ('permanent_redirect',
      'resume_incomplete', 'resume',), # These 2 to be removed in 3.0

# Client Error.
400: ('bad_request', 'bad'),
401: ('unauthorized',),
402: ('payment_required', 'payment'),
403: ('forbidden',),
404: ('not_found', '-o-'),
405: ('method_not_allowed', 'not_allowed'),
406: ('not_acceptable',),
407: ('proxy_authentication_required', 'proxy_auth', 'proxy_authentication'),
408: ('request_timeout', 'timeout'),
409: ('conflict',),
410: ('gone',),
411: ('length_required',),
412: ('precondition_failed', 'precondition'),
413: ('request_entity_too_large',),
414: ('request_uri_too_large',),
415: ('unsupported_media_type', 'unsupported_media', 'media_type'),
416: ('requested_range_not_satisfiable', 'requested_range', 'range_not_satisfiable'),
417: ('expectation_failed',),
418: ('im_a_teapot', 'teapot', 'i_am_a_teapot'),
421: ('misdirected_request',),
422: ('unprocessable_entity', 'unprocessable'),
423: ('locked',),
424: ('failed_dependency', 'dependency'),
425: ('unordered_collection', 'unordered'),
426: ('upgrade_required', 'upgrade'),
428: ('precondition_required', 'precondition'),
429: ('too_many_requests', 'too_many'),
431: ('header_fields_too_large', 'fields_too_large'),
444: ('no_response', 'none'),
449: ('retry_with', 'retry'),
450: ('blocked_by_windows_parental_controls', 'parental_controls'),
451: ('unavailable_for_legal_reasons', 'legal_reasons'),
499: ('client_closed_request',),

# Server Error.
500: ('internal_server_error', 'server_error', '/o\\', '✗'),
501: ('not_implemented',),
502: ('bad_gateway',),
503: ('service_unavailable', 'unavailable'),
504: ('gateway_timeout',),
505: ('http_version_not_supported', 'http_version'),
506: ('variant_also_negotiates',),
507: ('insufficient_storage',),
509: ('bandwidth_limit_exceeded', 'bandwidth'),
510: ('not_extended',),
511: ('network_authentication_required', 'network_auth', 'network_authentication'),

    サーバのステータスは、ステータスコードによって取得することができます。

import requests

response = requests.get('http://www.jianshu.com/hello.html')
print(type(response.status_code), response.status_code)
exit() if not response.status_code == requests.codes.not_found else print('404 Not Found')#方法一：使用状态码对应的信息进行验证。

response = requests.get('http://www.jianshu.com')
print(type(response.status_code), response.status_code)
exit() if not response.status_code == 200 else print('Request Successfully')
#使用状态码值进行验证
#其实我不理解这两种方法的语法结构
#我看了一下官方文档，如果发送了一个错误请求(一个 4XX 客户端错误，或者 5XX 服务器错误响应)，我们可以通过 Response.raise_for_status() 来抛出异常：

import requests
bad_r = requests.get('http://www.jianshu.com')
print(bad_r.status_code)
bad_r.raise_for_status()

高度な操作

  1. ファイルをアップロード
import requests
#用open方法打开图片，储存到file中，保存到字典files中。
files = {'file': open('favicon.ico', 'rb')}
#发送Request时将其传入对应的参数中
response = requests.post("http://httpbin.org/post", files=files)
print(response.text)#获取并打印结果
  1. クッキー：提供するライブラリを要求.cookiesJSON形式としてクッキーを取得するには、クッキーを取得する方法を。
import requests

response = requests.get('http://www.jianshu.com')
print(type(response.cookies), response.cookies)
print(response.cookies)#可以直接导出cookie不需要先声明CookieJar类，更简单。
for key, value in response.cookies.items():#打印json格式的cookies
    print(key + '=' + value)

クッキーは、シミュレートされた着陸によって達成することができ、シミュレーションの対話が同じコールである必要があります一度、ことに注意することは、いくつかの呼び出しは、要求が実装は、同じ会話中に複数の要求を開始し、セッションクラスで提供されている場合。

import requests

url = 'http://httpbin.org/cookies'
cookies = dict(cookies_are='working')#设置cookies
#一次请求并获取反馈
r = requests.get(url, cookies=cookies)
print(r.text)
#多次请求
s = requests.Session()
s.get(url, cookies=cookies)
response = s.get(url)
print(response.text)
  1. 証明書の検証：HTTPSサイトを登るとき、ブラウザは最初の証明書の合法性をテストします、証明書を直接SSLErrorスロー問題がある場合、プログラムは終了します。次のような事態を避けるために、あなたは、コードの除去を使用することができ、証明書は警告が発行されます検証しない、検証しないことを選択することができ、コードは次のとおりです。
import requests
#消除警告操作
from requests.packages import urllib3
urllib3.disable_warnings()
#verify参数设置为False，不验证
response = requests.get('https://www.12306.cn', verify=False)
print(response.status_code)
  1. プロキシ設定：次のように、エージェント情報は、辞書に格納され、対応するパラメータを渡すことができます。
import requests
#http代理
proxies = {
    "http": "http://user:[email protected]:9743/",
    "https": "https://127.0.0.1:9743",
}#如果代理有密码，可以在域名前进行设置，用冒号分割。
proxies = {
    'http': 'socks5://127.0.0.1:9742',
    'https': 'socks5://127.0.0.1:9742'
}#如果使用SSR代理，需要提前安装'requests[socks]'，如上设置即可
response = requests.get("https://www.taobao.com", proxies=proxies)
print(response.status_code)
  1. タイムアウト処理：指定した時間にアクセスするためには、異常なタイムアウトを捕捉するために、クラスのタイムアウトに属する見つける必要があります。
import requests
from requests.exceptions import ReadTimeout
try:
    response = requests.get("http://httpbin.org/get", timeout = 0.5)
    print(response.status_code)
except ReadTimeout:#Timeout属于ReadTimeout异常类
    print('Timeout')
  1. 認証設定：いくつかのサイトへのアクセス、認証があるだろうだろうに検証されていないページを開くことができません。で、ユーザー名とパスワード認証で着信タプル型。
import requests

r = requests.get('http://120.27.34.24:9001', auth=('user', '123'))
print(r.status_code)
  1. 例外処理：例：
import requests
from requests.exceptions import ReadTimeout, ConnectionError, RequestException
try:
    response = requests.get("http://httpbin.org/get", timeout = 0.5)
    print(response.status_code)
except ReadTimeout:
    print('Timeout')
except ConnectionError:
    print('Connection error')
except RequestException:
    print('Error')
  1. その他の機能
print(type(response.url), response.url)
print(type(response.history), response.history)
print(response.text)#与urllib库中的response.read()功能相同

おすすめ

転載: www.cnblogs.com/lizhe-Ning/p/11710617.html
おすすめ
TIOBE 5 月リスト: Fortran がトップ 10 に「復活」
GCC 14.1 发布
ランキング
Linuxの一般的なコマンドの緊急対応
FPGAの設計者は、5つの基本的なスキルです
Javaの研究では、2019年6月12日ノート
Golang底层原理剖析之内存逃逸
VIM - Viは、プログラマーのテキストエディタを改善しました
魔法書（MagicTable）入門チュートリアルは、CADの一括転送複数のテーブルExcelをExcelを回し--CAD
mockitoとの望ましくないモック
EVE-NG MPLS L2VPN BGP pw -- スタティック ルート、スタティック mpls lsp
抵抗性タッチスクリーンドライバ（II）
PHP 安装扩展 Api Version 和扩展extensions路径不匹配的问题
アーカイブ
もっと
2024-05-08(18)
2024-05-07(34)
2024-05-06(6)
2024-05-05(0)
2024-05-04(18)
2024-05-03(8)
2024-05-02(0)
2024-05-01(4)
2024-04-30(35)
2024-04-29(5)

コードワールド

© 2018 codetd.com