Python爬蟲Requests庫如何使用

本篇內(nèi)容主要講解“Python爬蟲Requests庫如何使用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學(xué)習(xí)“Python爬蟲Requests庫如何使用”吧!

創(chuàng)新互聯(lián)主營南芬網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營網(wǎng)站建設(shè)方案,成都app軟件開發(fā)公司,南芬h5小程序開發(fā)搭建,南芬網(wǎng)站營銷推廣歡迎南芬等地區(qū)企業(yè)咨詢

1、安裝 requests 庫

因為學(xué)習(xí)過程使用的是 Python 語言，需要提前安裝 Python ，我安裝的是 Python 3.8，可以通過命令 python --version 查看自己安裝的 Python 版本，建議安裝 Python 3.X 以上的版本。

安裝好 Python 以后可以直接通過以下命令安裝 requests 庫。

pip install requests

Ps：可以切換到國內(nèi)的pip源，例如阿里、豆瓣，速度快
為了演示功能，我這里使用nginx模擬了一個簡單網(wǎng)站。
下載好了以后，直接運行根目錄下的 nginx.exe 程序就可以了(備注：windows環(huán)境下)。
這時本機訪問：http://127.0.0.1 ，會進入 nginx 的一個默認(rèn)頁面。

Python爬蟲Requests庫如何使用

2、獲取網(wǎng)頁

下面我們開始用 requests 模擬一個請求，獲取頁面源代碼。

import requestsr = requests.get('http://127.0.0.1')print(r.text)

執(zhí)行以后得到的結(jié)果如下：

<!DOCTYPE html><html><head><title>Welcome to nginx!</title><style>    body {        width: 35em;        margin: 0 auto;        font-family: Tahoma, Verdana, Arial, sans-serif;    }</style></head><body><h3>Welcome to nginx!</h3><p>If you see this page, the nginx web server is successfully installed andworking. Further configuration is required.</p>
<p>For online documentation and support please refer to<a href="http://nginx.org/">nginx.org</a>.<br/>Commercial support is available at<a href="http://nginx.com/">nginx.com</a>.</p>
<p><em>Thank you for using nginx.</em></p></body></html>

3、關(guān)于請求

常見的請求有很多種，比如上面的示例使用的就是 GET 請求，這里詳細介紹一下這些常見的請求方法。

4、GET 請求

4.1、發(fā)起請求

我們使用相同的方法，發(fā)起一個 GET 請求：

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

返回結(jié)果如下：

{"args": {}, "headers": {"Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Host": "httpbin.org", "User-Agent": "python-requests/2.23.0", "X-Amzn-Trace-Id": "Root=1-5f846520-19f215aa46213a2b4241c18a"  }, "origin": "xxxx", "url": "http://httpbin.org/get"}

通過返回結(jié)果，我們可以看到返回結(jié)果所包括的信息有：Headers、URL、IP等。

4.2、添加參數(shù)

平時我們訪問的 URL 會包含一些參數(shù)，比如：id是100，name是YOOAO。正常的訪問，我們會編寫如下 URL 進行訪問：

http://httpbin.org/get?id=100&name=YOOAO

顯然很不方便，而且參數(shù)多的情況下會容易出錯，這時我們可以通過 params 參數(shù)優(yōu)化輸入內(nèi)容。

import requests  data = {      'id': '100',      'name': 'YOOAO'}  r = requests.get('http://httpbin.org/get', params=data)  print(r.text)

這是執(zhí)行代碼返回的結(jié)果如下：

{"args": {"id": "100", "name": "YOOAO"  }, "headers": {"Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Host": "httpbin.org", "User-Agent": "python-requests/2.23.0", "X-Amzn-Trace-Id": "Root=1-5f84658a-1cd0437b4cf34835410d7161"  }, "origin": "xxx.xxxx.xxx.xxx", "url": "http://httpbin.org/get?id=100&name=YOOAO"}

通過返回結(jié)果，我們可以看到，通過字典方式傳輸?shù)膮?shù)被自動構(gòu)造成了完整的 URL ，不需要我們自己手動完成構(gòu)造。

4.3、返回結(jié)果處理

返回結(jié)果是 json 格式，因此我們可以使用調(diào)用 json 的方法來解析。如果返回內(nèi)容不是 json 格式，這種調(diào)用會報錯。

import requests  
r = requests.get('http://httpbin.org/get')  print(type(r.text))   print(type(r.json()))

返回結(jié)果：

<class 'str'><class 'dict'>

4.4、內(nèi)容抓取

這里我們使用簡單的正則表達式，來抓取nginx示例頁面種所有< a >標(biāo)簽的內(nèi)容，代碼如下：

import requestsimport re
r = requests.get('http://127.0.0.1')pattern = re.compile('<a.*?>(.*?)</a>', re.S)a_content = re.findall(pattern, r.text)print(a_content)

抓取結(jié)果：

['nginx.org', 'nginx.com']

這里一次簡單的頁面獲取和內(nèi)容抓取就完成了，

4.5、數(shù)據(jù)文件下載

上面的示例，返回的都是頁面信息，如果我們想獲取網(wǎng)頁上的圖片、音頻和視頻文件，我們就需要學(xué)會抓取頁面的二進制數(shù)據(jù)。我們可以使用 open 方法來完成圖片等二進制文件的下載，示例代碼：

import requests
r = requests.get('http://tu.ossfiles.cn:9186/group3/M00/09/FB/rBpVfl8QFLOAYhhcAAC-pTdNj7g471.jpg')with open('image.jpg', 'wb') as f:    f.write(r.content)print('下載完成')

open 方法中，它的第一個參數(shù)是文件名稱，第二個參數(shù)代表以二進制的形式打開，可以向文件里寫入二進制數(shù)據(jù)。

運行結(jié)束以后，會在運行文件的同級文件夾下保存下載下來的圖片。運用同樣原理，我們可以處理視頻和音頻文件。

4.6、添加headers

在上面的示例中，我們直接發(fā)起的請求，沒有添加 headers ，某些網(wǎng)站為因為請求不攜帶請求頭而造成訪問異常，這里我們可以手動添加 headers 內(nèi)容，模擬添加 headers 中的 Uer-Agent 內(nèi)容代碼：

import requests
headers = {'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.93 Safari/537.36'}r = requests.get('http://httpbin.org/get', headers=headers)print(r.text)

執(zhí)行結(jié)果：

{"args": {}, "headers": {"Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Host": "httpbin.org", "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.93 Safari/537.36", "X-Amzn-Trace-Id": "Root=1-5ec8f342-8a9f986011eac8f07be8b450"  }, "origin": "xxx3.xx.xxx.xxx", "url": "http://httpbin.org/get"}

結(jié)果可見，User-Agent 的值變了。不是之前的：python-requests/2.23.0。

5、POST 請求

GET請求相關(guān)的知識都講完了，下面講講另一個常見的請求方式：POST請求。

使用 requests 實現(xiàn) POST 請求的代碼如下:

import requestsdata = {      'id': '100',      'name': 'YOOAO'}  
r = requests.post("http://httpbin.org/post", data=data)print(r.text)

結(jié)果如下

{"args": {}, "data": "", "files": {}, "form": {"id": "100", "name": "YOOAO"  }, "headers": {"Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Content-Length": "17", "Content-Type": "application/x-www-form-urlencoded", "Host": "httpbin.org", "User-Agent": "python-requests/2.23.0", "X-Amzn-Trace-Id": "Root=1-5ec8f4a0-affca27a05e320a84ca6535a"  }, "json": null, "origin": "xxxx", "url": "http://httpbin.org/post"}

從 form 中我們看到了自己提交的數(shù)據(jù)，可見我們的 POST 請求訪問成功。

6、響應(yīng)

訪問URL時，有請求就會有響應(yīng)，上面的示例使用 text 和 content 獲取了響應(yīng)的內(nèi)容。除此以外，還有很多屬性和方法可以用來獲取其他信息，比如狀態(tài)碼、響應(yīng)頭、Cookies 等。

import requests
r = requests.get('http://127.0.0.1/')print(type(r.status_code), r.status_code)print(type(r.headers), r.headers)print(type(r.cookies), r.cookies)print(type(r.url), r.url)print(type(r.history), r.history)

關(guān)于狀態(tài)碼，requests 還提供了一個內(nèi)置的狀態(tài)碼查詢對象 requests.codes，用法示例如下：

import requestsr = requests.get('http://127.0.0.1/')exit() if not r.status_code == requests.codes.ok else print('Request Successfully')==========執(zhí)行結(jié)果==========Request Successfully

這里通過比較返回碼和內(nèi)置的成功的返回碼，來保證請求得到了正常響應(yīng)，輸出成功請求的消息，否則程序終止。

這里我們用 requests.codes.ok 得到的是成功的狀態(tài)碼 200。

這樣的話，我們就不用再在程序里面寫狀態(tài)碼對應(yīng)的數(shù)字了，用字符串表示狀態(tài)碼會顯得更加直觀。

下面是響應(yīng)碼和查詢條件對照信息：

# 信息性狀態(tài)碼  100: ('continue',),  101: ('switching_protocols',),  102: ('processing',),  103: ('checkpoint',),  122: ('uri_too_long', 'request_uri_too_long'),  
# 成功狀態(tài)碼  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',),  
# 重定向狀態(tài)碼  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  
# 客戶端錯誤狀態(tài)碼  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',),  
# 服務(wù)端錯誤狀態(tài)碼  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')

7、SSL 證書驗證

現(xiàn)在很多網(wǎng)站都會驗證證書，我們可以設(shè)置參數(shù)來忽略證書的驗證。

import requests
response = requests.get('https://XXXXXXXX', verify=False)print(response.status_code)

或者制定本地證書作為客戶端證書：

import requests
response = requests.get('https://xxxxxx', cert=('/path/server.crt', '/path/server.key'))print(response.status_code)

注意：本地私有證書的 key 必須是解密狀態(tài)，加密狀態(tài)的 key 是不支持的。

8、設(shè)置超時

很多時候我們需要設(shè)置超時時間來控制訪問的效率，遇到訪問慢的鏈接直接跳過。

示例代碼：

import requests# 設(shè)置超時時間為 10 秒r = requests.get('https://httpbin.org/get', timeout=10)print(r.status_code)

將連接時間和讀取時間分開計算：

r = requests.get('https://httpbin.org/get', timeout=(3, 10))

不添加參數(shù)，默認(rèn)不設(shè)置超時時間，等同于：

r = requests.get('https://httpbin.org/get', timeout=None)

9、身份認(rèn)證

遇到一些網(wǎng)站需要輸入用戶名和密碼，我們可以通過 auth 參數(shù)進行設(shè)置。

import requests  from requests.auth import HTTPBasicAuth  # 用戶名為 admin ，密碼為 admin r = requests.get('https://xxxxxx/', auth=HTTPBasicAuth('admin', 'admin'))  print(r.status_code)

簡化寫法：

import requests
r = requests.get('https://xxxxxx', auth=('admin', 'admin'))print(r.status_code)

10、設(shè)置代理

如果頻繁的訪問某個網(wǎng)站時，后期會被一些反爬程序識別，要求輸入驗證信息，或者其他信息，甚至IP被封無法再次訪問，這時候，我們可以通過設(shè)置代理來避免這樣的問題。

import requests
proxies = {  "http": "http://10.10.1.10:3128",  "https": "http://10.10.1.10:1080",}
requests.get("http://example.org", proxies=proxies)

若你的代理需要使用HTTP Basic Auth，可以使用

http://user:password@host/ 語法：

proxies = {    "http": "http://user:pass@10.10.1.10:3128/",}

要為某個特定的連接方式或者主機設(shè)置代理，使用 scheme://hostname 作為 key，它會針對指定的主機和連接方式進行匹配。

proxies = {'http://10.20.1.128': 'http://10.10.1.10:5323'}

到此，相信大家對“Python爬蟲Requests庫如何使用”有了更深的了解，不妨來實際操作一番吧！這里是創(chuàng)新互聯(lián)網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！

本文題目：Python爬蟲Requests庫如何使用
新聞來源：http://bm7419.com/article8/jdcoip.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供電子商務(wù)、服務(wù)器托管、網(wǎng)站導(dǎo)航、企業(yè)網(wǎng)站制作、商城網(wǎng)站、用戶體驗

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容