Python之爬蟲-- Requests
阿新 • • 發佈：2018-11-02
目錄
https請求驗證ssl證書(有一些網站的ssl證書是自己寫的，比如12306和360)
Requests-獻給人類
一、簡介
- 雖然Python的標準庫中 urllib 模組已經包含了平常我們使用的大多數功能，但是它的 API 使用起來讓人感覺不太好，而 Requests 自稱 “HTTP for Humans”，更簡潔更友好。
- Requests 唯一的一個非轉基因的 Python HTTP 庫，人類可以安全享用：）
- Requests 繼承了urllib的所有特性。Requests支援HTTP連線保持和連線池，支援使用cookie保持會話，支援檔案上傳，支援自動確定響應內容的編碼，支援國際化的 URL 和 POST 資料自動編碼。
- requests 的底層實現其實就是 urllib3 。Requests能完全滿足當前網路的需求，支援Python 2.6—3.5，而且能在PyPy下完美執行。
- 開源地址：https://github.com/kennethreitz/requests或https://github.com/requests/requests
- 中文文件 API：http://docs.python-requests.org/zh_CN/latest/index.html
- 安裝： conda install requests
二、安裝方式
利用 pip 安裝 或者利用 easy_install 都可以完成安裝：
$ easy_install requests
或
$ conda install requests或
$ pip install requests
三、 GET請求
1.requests.get(url)，案例1
2.requests.request("get", url)，案例1
3.可以帶有headers和parmas引數，案例2。如果想新增 headers，可以傳入headers引數來增加請求頭中的headers資訊。如果要將引數放在url中傳遞，可以利用params引數。
4.get返回內容，案例2
- 使用response.text 時，Requests 會基於 HTTP 響應的文字編碼自動解碼響應內容，大多數 Unicode 字符集都能被無縫地解碼。
- 使用response.content 時，返回的是伺服器響應資料的原始二進位制位元組流，可以用來儲存圖片等二進位制檔案。
案例1 ：
import requests
url = "http://www.baidu.com"
# 兩種請求方式
# 使用get請求
rsp = requests.get(url)
print(rsp.text)
# 使用request請求
rsp = requests.request("get", url)
print(rsp.text)
案例2：
'''
使用引數headers和params
研究返回結果
'''
import requests
# 完整訪問url是下面url加上引數構成
url = "http://www.baidu.com/s?"
kw = {
"wd": "王八蛋"
}
headers = {
"User-Agent":"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.119 Safari/537.36"
}
# params 接收一個字典或者字串的查詢引數，字典型別自動轉換為url編碼，
#不需要urlencode()
url = "http://www.baidu.com/s?"
response = requests.get(url, params = kw, headers = headers)
# 檢視響應內容，response.text 返回的是Unicode格式的資料
print(response.text)
# 檢視響應內容，response.content返回的位元組流資料
print(response.content)
# 檢視完整url地址
print(response.url)
# 檢視響應頭部字元編碼
print(response.encoding)
# 檢視響應碼
print(response.status_code)四、POST請求
- 最基本的GET請求可以直接用post方法
rsp = requests.post(url, data=data) - 傳入data資料
對於 POST 請求來說，我們一般需要為它增加一些引數。那麼最基本的傳參方法可以利用data這個引數。 - date, headers要求dict型別，不需要轉碼了
- 模擬有道翻譯，案例3
案例3：
import json
import time
import requests
def youdaoAPI(kw):
'''
:param kw: 翻譯的內容
:return:
'''
# 請求頭
header = {
"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"}
# translate_o 去掉_o
url = "http://fanyi.youdao.com/translate?
smartresult=dict&smartresult=rule"
response = requests.post(url, data=kw, headers=header)
res = response.content
tgt = json.loads(res)
print(tgt["translateResult"])
if __name__ == '__main__':
kw = input("請輸入你想翻譯的內容：")
timet = int(time.time() * 1000)
data = {
"i": kw,
"from": "AUTO",
"to": "AUTO",
"smartresult": "dict",
"client": "fanyideskweb",
"salt": timet,
"sign": "f66461b42fe9edb6d88230788fb33cfb",
"doctype": "json",
"version": "2.1",
"keyfrom": "fanyi.web",
"action ": "FY_BY_REALTIME",
"typoResult ": "false",
}
youdaoAPI(data)五、顯示json檔案
# 自帶json模組
print(response.json())執行結果
{'type': 'ZH_CN2EN', 'errorCode': 0,
'elapsedTime': 1, 'translateResult':
[[{'src': '長城', 'tgt': 'The Great Wall'}]]}六、代理（proxies引數）
如果需要使用代理，可以通過為任意請求方法提供proxies引數來配置單個請求(代理有可能報錯，如果使用人數多，考慮安全問題，可能會被強行關閉)：
import requests
# 根據協議型別，選擇不同的代理
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')
# 帶密碼代理
httpProxy = {"https": "http://User1:[email protected]:808"}七、使用者驗證
- 代理驗證
#可能需要使用HTTP basic Auth， 可以這樣
# 格式為 使用者名稱:密碼@代理地址：埠地址
proxy = { "http": "china:[email protected]：4444"}
rsp = requests.get("http://baidu.com", proxies=proxy)- web客戶端驗證,如果遇到web客戶端驗證，需要新增auth=（使用者名稱，密碼）
import requests
autu=("test1", "123456")#授權資訊
response = requests.get('http://192.168.199.107', auth = auth)
print ('response.text')八、Cookies 和 Session
1、Cookies
- requests可以自動處理cookie資訊
- 如果一個響應中包含了cookie，那麼我們可以利用 cookies引數拿到：
import requests
response = requests.get("http://www.baidu.com/")
# 如果對方伺服器給傳送過來cookie資訊，則可以通過反饋的cookie屬性得到
# 返回CookieJar物件:
cookiejar = response.cookies
# 將CookieJar轉為字典：
cookiedict = requests.utils.dict_from_cookiejar(cookiejar)
print(cookiejar)
print(cookiedict)執行結果：
<RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>
{'BDORZ': '27315'}2、Session
# 建立session物件，可以保持cookie值
ss = requests.session()
headers = {"User-Agetn":"xxxxxxxxxxxxxxxxxx"}
data = {"name":"xxxxxxxxxxx"}
# 此時，由建立的session管理請求，負責發出請求，
ss.post("http://www.baidu.com", data=data, headers=headers)
rsp = ss.get("xxxxxxxxxxxx")
- 跟伺服器端session不是一個東東
- 模擬一次會話，從客戶端瀏覽器連結伺服器開始，到客戶端瀏覽器斷開
- 能讓我們跨請求時保持某些引數，比如在同一個session例項發出的 所有請求之間保持cookie，以後所有請求都是這一個cookie，不需要在建立
在 requests 裡，session物件是一個常用的物件，這個物件代表一次使用者會話：從客戶端瀏覽器連線伺服器開始，到客戶端瀏覽器與伺服器斷開。
會話能讓我們在跨請求時候儲存某些引數，比如在同一個 Session 例項發出的所有請求之間儲存cookie 。
實現人人網登入：
import requests
# 1. 建立session物件，可以儲存Cookie值
ssion = requests.session()
# 2. 處理 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. 需要登入的使用者名稱和密碼
data = {"email":"[email protected]", "password":"alarmchime"}
# 4. 傳送附帶使用者名稱和密碼的請求，並獲取登入後的Cookie值，儲存在ssion裡
ssion.post("http://www.renren.com/PLogin.do", data = data)
# 5. ssion包含使用者登入後的Cookie值，
#可以直接訪問那些登入後才可以訪問的頁面
response = ssion.get("http://www.renren.com/410043129/profile")
# 6. 列印響應內容
print(response.text)
# 將cookie物件轉為字典
cookieDict = requests.utils.dict_from_cookiejar(ssion.cookies)
# 儲存cookie
with open("session.txt", 'w', encoding='utf-8') as f:
f.write(str(cookieDict))
f.flush()九、SSL證書驗證
https請求驗證ssl證書(有一些網站的ssl證書是自己寫的，比如12306和360)
- 引數verify負責表示是否需要驗證ssL證書，預設是True
- 如果不需要驗證ssl證書，則設定成False表示關閉
rsp = requests.get("https://www.baidu.com", verify=False)
# 如果用verify=True訪問12306，會報錯，因為他證書有問題
處理HTTPS請求 SSL證書驗證 ,Requests也可以為HTTPS請求驗證SSL證書：
要想檢查某個主機的SSL證書，你可以使用 verify 引數（也可以不寫）
import requests
response = requests.get("https://www.baidu.com/", verify=True)
# 也可以省略不寫
# response = requests.get("https://www.baidu.com/")
print(response.text)如果SSL證書驗證不通過，或者不信任伺服器的安全證書，則會報出SSLError，據說 12306 證書是自己做的：
來測試一下：
import requests
response = requests.get("https://www.12306.cn/mormhweb/")
print(response.text)報錯：
SSLError: ("bad handshake: Error([('SSL routines',
'ssl3_get_server_certificate', 'certificate verify failed')],)",)如果我們想跳過 12306 的證書驗證，把 verify 設定為 False 就可以正常請求了。
import requests
url = "https://www.12306.cn/mormhweb/"
response = requests.get(url,verify=False)
print(response.text)