脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python requests库

Python爬虫之requests库基本介绍

 更新时间：2022年02月09日 09:58:54   作者：人猿宇宙  
大家好，本篇文章主要讲的是Python爬虫之requests库基本介绍，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下

一、说明

requests是一个很实用的Python HTTP客户端库，爬虫和测试服务器响应数据时经常会用到，requests是Python语言的第三方的库，专门用于发送HTTP请求，使用起来比urllib简洁很多。

Requests 有这些功能：

1、Keep-Alive & 连接池
2、国际化域名和 URL
3、带持久 Cookie 的会话
4、浏览器式的 SSL 认证
5、自动内容解码
6、基本/摘要式的身份认证
7、优雅的 key/value Cookie
8、自动解压
9、Unicode 响应体
10、HTTP(S) 代理支持
11、文件分块上传
12、流下载
13、连接超时
14、分块请求
15、支持 .netrc
Requests 支持 Python 2.6—2.7以及3.3—3.7，而且能在 PyPy 下完美运行。

用pip进行第三方库的安装

pip install requests

安装完成后import一下，正常则说明可以开始使用了。

二、基本用法：

1、requests.get()

用于请求目标网站，类型是一个HTTPresponse类型

import requests

response = requests.get('http://www.baidu.com')
print(response.status_code)  # 打印状态码
print(response.url)          # 打印请求url
print(response.headers)      # 打印头信息
print(response.cookies)      # 打印cookie信息
print(response.text)  #以文本形式打印网页源码
print(response.content) #以字节流形式打印
print(response.content.decode("utf-8")) #解决了通过response.text直接返回显示乱码的问题
response.encoding="utf-8" #避免乱码的问题发生

2、各种请求方式

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')

3、基本的get请求

import requests

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

4、带参数的get请求

第一种直接将参数放在url内

import requests

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

另一种先将参数填写在dict中，发起请求时params参数指定为dict

import requests

data = {
    'name': 'tom',
    'age': 20
}
response = requests.get('http://httpbin.org/get', params=data)
print(response.text)

5、解析json

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()))

如果 JSON 解码失败， 将会抛出 ValueError: No JSON object could be decoded 异常。而成功调用 response.json() 并不意味着响应的成功。有的服务器会在失败的响应中包含一个 JSON 对象（比如 HTTP 500 的错误细节）。这种 JSON 会被解码返回。要检查请求是否成功，请使用 r.raise_for_status() 或者检查 response.status_code 是否和你的期望相同

6、保存一个二进制文件

二进制内容为response.content

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)

7、添加heads信息

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)

8、使用代理

同添加headers方法，代理参数也要是一个dict

这里使用requests库爬取了IP代理网站的IP与端口和类型

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="类型">(.+)</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))

9、基本POST请求

import requests

data = {'name':'tom','age':'22'}

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

10、获取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)

11、会话维持

import requests

session = requests.Session()
session.get('http://httpbin.org/cookies/set/number/12345')
response = session.get('http://httpbin.org/cookies')
print(response.text)

11、证书验证设置

import requests
from requests.packages import urllib3

urllib3.disable_warnings()  #从urllib3中消除警告
response = requests.get('https://www.12306.cn',verify=False)  #证书验证设为FALSE
print(response.status_code)

12、超时异常捕获

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)

13、异常处理

在你不确定会发生什么错误时，尽量使用try…except来捕获异常

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')

总结

到此这篇关于Python爬虫之requests库基本介绍的文章就介绍到这了,更多相关Python requests库内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • pandas数据处理进阶详解

    pandas数据处理进阶详解

    这篇文章主要介绍了pandas数据处理进阶详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2019-10-10
  • python异步爬虫之多线程

    python异步爬虫之多线程

    这篇文章主要介绍了python异步爬虫之多线程，多线程可以为相关阻塞的操作单独开启线程或者进程，阻塞操作可以异步执行，但是无法无限制开启多线程或多进程，下面我们一起学习详细内容，需要的朋友可以参考一下
    2022-02-02
  • pytz格式化北京时间多出6分钟问题的解决方法

    pytz格式化北京时间多出6分钟问题的解决方法

    这篇文章主要给大家介绍了关于pytz格式化北京时间多出6分钟问题的解决方法，文中通过示例代码介绍的非常详细，对大家学习或者使用Python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧
    2019-06-06
  • PyQt5重写QComboBox的鼠标点击事件方法

    PyQt5重写QComboBox的鼠标点击事件方法

    今天小编就为大家分享一篇PyQt5重写QComboBox的鼠标点击事件方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-06-06
  • python计算阶乘和的方法(1!+2!+3!+...+n!)

    python计算阶乘和的方法(1!+2!+3!+...+n!)

    今天小编就为大家分享一篇python计算阶乘和的方法(1!+2!+3!+...+n!)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-02-02
  • python实现决策树分类

    python实现决策树分类

    这篇文章主要为大家详细介绍了python实现决策树分类的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2018-08-08
  • Django admin实现TextField字段changelist页面换行、空格正常显示

    Django admin实现TextField字段changelist页面换行、空格正常显示

    本文主要介绍了Django admin实现TextField字段changelist页面换行、空格正常显示，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2022-01-01
  • Python中collections模块的基本使用教程

    Python中collections模块的基本使用教程

    collections是Python内建的一个集合模块,提供了许多有用的集合类。下面这篇文章主要给大家介绍了关于Python中collections模块的基本使用，文中通过示例代码介绍的非常详细，需要的朋友可以参考下
    2018-12-12
  • Django中更改默认数据库为mysql的方法示例

    Django中更改默认数据库为mysql的方法示例

    这篇文章主要介绍了Django中更改默认数据库为mysql的方法示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2018-12-12
  • 使用python爬取4K壁纸保存到本地文件夹的全过程

    使用python爬取4K壁纸保存到本地文件夹的全过程

    图片信息丰富多彩,许多网站上都有大量精美的图片资源,有时候我们可能需要批量下载这些图片,而手动一个个下载显然效率太低,所以本文给大家介绍了使用python爬取4K壁纸保存到本地文件夹的全过程,文中有详细的代码示例供大家参考,需要的朋友可以参考下
    2024-03-03

最新评论