Python3爬虫系列整理(二)requests
Python3爬虫系列整理(二)requests第三方库
requests是python实现的简单易用的HTTP库,使用起来比urllib简洁很多****
是指从客户端到服务器端的请求消息。包括:消息首行中,对资源的请求方法、资源的标识符及使用的协议。****
因为是第三方库,所以使用前需要cmd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。
1.基本用法:
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
运行结果:
状态码:200
url:www.baidu.com
headers信息
** 强调http://httpbin.org/******
有知道接口是什么的打1 不知道打2 知道而且会写接口打3
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’)
![img](file:///C:\Users\53513\AppData\Local\Temp\ksohtml21892\wps3.png)
2.基本的get请求
import requests
response = requests.get(‘http://httpbin.org/get’)
print(response.text)
结果
![img](file:///C:\Users\53513\AppData\Local\Temp\ksohtml21892\wps4.jpg)
3.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)
结果
![img](file:///C:\Users\53513\AppData\Local\Temp\ksohtml21892\wps5.jpg)
4.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)
结果同上
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()))
结果
![img](file:///C:\Users\53513\AppData\Local\Temp\ksohtml21892\wps6.jpg)
6.简单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(‘fengjing.jpg’,‘wb’) as f:
f.write(b)
为你的请求添加头信息
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)
7.基本POST请求:
import requests
data = {‘name’:‘tom’,‘age’:‘22’}
response = requests.post(‘http://httpbin.org/post’, data=data)
![img](file:///C:\Users\53513\AppData\Local\Temp\ksohtml21892\wps7.jpg)
8.获取cookie
#获取
cookieimport 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)
结果:
![img](file:///C:\Users\53513\AppData\Local\Temp\ksohtml21892\wps8.jpg)
9.session会话维持
互动:什么是session 知道打1 不知道打2
老师给大家解释下:
**session用于存储有关用户(理解成客户端/浏览器也可以)会话的信息。********Session 变量保存的信息是单一用户的,并且可供应用程序中的所有页面使用。********大概流程就是:用户打开浏览器访问一起网站,浏览器的COOKIE中会生成sessionID,在每次请求时都会自动带上sessionID,然后服务器端根据sessionID找到对应的session值。********sessionID就相当于是一个钥匙,服务器上存session的地方相当于一个柜子,只能拿自己的钥匙开自己的柜子取自己的东西。**session一般存储用户相关的的信息,如用户登录状态、权限控制等,其他的信息也可存。另外就是无论你站点上的用户是否登录都会生成sessionID。
import requests
session = requests.Session()
session.get(‘http://httpbin.org/cookies/set/number/12345’)
response = session.get(‘http://httpbin.org/cookies’)
print(response.text)
结果:
![img](file:///C:\Users\53513\AppData\Local\Temp\ksohtml21892\wps9.jpg)
10.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!”)
11.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
所有的requests exception:
import requestsfrom 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’)