1. 程式人生 > >python爬蟲---requests庫的用法

python爬蟲---requests庫的用法

href 分享圖片 三方庫 put src from ges 2.x con

requests是python實現的簡單易用的HTTP庫,使用起來比urllib簡潔很多

因為是第三方庫,所以使用前需要cmd安裝

pip install requests

安裝完成後import一下,正常則說明可以開始使用了。

基本用法:

requests.get()用於請求目標網站,類型是一個HTTPresponse類型

技術分享圖片
import requests

response = requests.get(‘http://www.baidu.com‘)
print(response.status_code) # 打印狀態碼
print(response.url) # 打印請求url
print(response.headers) # 打印頭信息
print(response.cookies) # 打印cookie信息 print(response.text) #以文本形式打印網頁源碼
print(response.content) #以字節流形式打印
技術分享圖片

運行結果:

狀態碼:200

url:www.baidu.com

headers信息

技術分享圖片

各種請求方式:

技術分享圖片
import requests

requests.get(‘http://httpbin.org/get‘)
requests.post(‘http://httpbin.org/post‘)
requests.put(‘http://httpbin.org/put‘)
requests.delete(‘http://httpbin.org/delete‘)
requests.head(‘http://httpbin.org/get‘)
requests.options(‘http://httpbin.org/get‘)
技術分享圖片

基本的get請求

import requests

response = requests.get(‘http://httpbin.org/get‘)
print(response.text)

結果

技術分享圖片

帶參數的GET請求:

第一種直接將參數放在url內

import requests

response = requests.get(http://httpbin.org/get?name=gemey&age=22)
print(response.text)

結果

技術分享圖片

另一種先將參數填寫在dict中,發起請求時params參數指定為dict

技術分享圖片
import requests

data = {
    ‘name‘: ‘tom‘,
    ‘age‘: 20
}

response = requests.get(‘http://httpbin.org/get‘, params=data)
print(response.text)
技術分享圖片

結果同上

解析json

技術分享圖片
import requests

response = requests.get(‘http://httpbin.org/get‘)
print(response.text)
print(response.json())  #response.json()方法同json.loads(response.text)
print(type(response.json()))
技術分享圖片

結果

技術分享圖片

簡單保存一個二進制文件

二進制內容為response.content

技術分享圖片
import requests

response = requests.get(‘http://img.ivsky.com/img/tupian/pre/201708/30/kekeersitao-002.jpg‘)
b = response.content
with open(‘F://fengjing.jpg‘,‘wb‘) as f:
    f.write(b)
技術分享圖片

為你的請求添加頭信息

技術分享圖片
import requests
heads = {}
heads[‘User-Agent‘] = ‘Mozilla/5.0 ‘ \
‘(Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 ‘ \
‘(KHTML, like Gecko) Version/5.1 Safari/534.50‘
 response = requests.get(‘http://www.baidu.com‘,headers=headers)
技術分享圖片

使用代理

同添加headers方法,代理參數也要是一個dict

這裏使用requests庫爬取了IP代理網站的IP與端口和類型

因為是免費的,使用的代理地址很快就失效了。

技術分享圖片
import requests
import re

def get_html(url):
    proxy = {
        ‘http‘: ‘120.25.253.234:812‘,
        ‘https‘ ‘163.125.222.244:8123‘
    }
    heads = {}
    heads[‘User-Agent‘] = ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0‘
    req = requests.get(url, headers=heads,proxies=proxy)
    html = req.text
    return html

def get_ipport(html):
    regex = r‘<td data-title="IP">(.+)</td>‘
    iplist = re.findall(regex, html)
    regex2 = ‘<td data-title="PORT">(.+)</td>‘
    portlist = re.findall(regex2, html)
    regex3 = r‘<td data-title="類型">(.+)</td>‘
    typelist = re.findall(regex3, html)
    sumray = []
    for i in iplist:
        for p in portlist:
            for t in typelist:
                pass
            pass
        a = t+‘,‘+i + ‘:‘ + p
        sumray.append(a)
    print(‘高匿代理‘)
    print(sumray)


if __name__ == ‘__main__‘:
    url = ‘http://www.kuaidaili.com/free/‘
    get_ipport(get_html(url))
技術分享圖片

結果:

技術分享圖片

基本POST請求:

import requests

data = {‘name‘:‘tom‘,‘age‘:‘22‘}

response = requests.post(‘http://httpbin.org/post‘, data=data)

技術分享圖片

獲取cookie

技術分享圖片
#獲取cookie
import requests

response = requests.get(‘http://www.baidu.com‘)
print(response.cookies)
print(type(response.cookies))
for k,v in response.cookies.items():
    print(k+‘:‘+v)
技術分享圖片

結果:

技術分享圖片

會話維持

技術分享圖片
import requests

session = requests.Session()
session.get(‘http://httpbin.org/cookies/set/number/12345‘)
response = session.get(‘http://httpbin.org/cookies‘)
print(response.text)
技術分享圖片

結果:

技術分享圖片

證書驗證設置

技術分享圖片
import requests
from requests.packages import urllib3

urllib3.disable_warnings()  #從urllib3中消除警告
response = requests.get(‘https://www.12306.cn‘,verify=False)  #證書驗證設為FALSE
print(response.status_code)

打印結果:200
技術分享圖片

超時異常捕獲

技術分享圖片
import requests
from requests.exceptions import ReadTimeout

try:
    res = requests.get(‘http://httpbin.org‘, timeout=0.1)
    print(res.status_code)
except ReadTimeout:
    print(timeout)
技術分享圖片

異常處理

在你不確定會發生什麽錯誤時,盡量使用try...except來捕獲異常

所有的requests exception:

Exceptions

技術分享圖片
import requests
from requests.exceptions import ReadTimeout,HTTPError,RequestException

try:
    response = requests.get(‘http://www.baidu.com‘,timeout=0.5)
    print(response.status_code)
except ReadTimeout:
    print(‘timeout‘)
except HTTPError:
    print(‘httperror‘)
except RequestException:
    print(‘reqerror‘)
技術分享圖片

python爬蟲---requests庫的用法