Python中的Requests模組

Requests模組是一個用於網路訪問的模組，類似的模組有urllib，urllib2，httplib，httplib2等，但由於其訪問http時的人性化，便於操作，深受人們喜歡。

在爬蟲中常使用的模組：

獲取網頁內容的----- urllib, requests

分析網頁常用的模組------ re, bs4(beautifulsoup4)

1. 例項引入

使用get方法獲得響應物件Response，我們可以利用這個物件得到我們想要的任何資訊。

# 例項引入
import requests
url = 'http://www.baidu.com'
response = requests.get(url)

print('1',response)
print('2',response.status_code)       # 獲得響應狀態碼
print('3',response.cookies)           # 獲得網頁cookies資訊
print('4',response.text)			  # 獲得網頁內容
print('5',type(response.text))        # 獲得網頁內容的型別
 

2.常見的請求方式

除了get方法之外。Requests還包括兩種請求方法post和delete方法。

import requests

response = requests.post('http://httpbin.org/post', data={'name' : 'xxxxxxx', 'age':18})
print(response.text)			
response = requests.delete('http://httpbin.org/delete', data={'name' : 'xxxxxxx'})
print(response.text)

由例子可知，post

方法請求引數是通過data引數來傳遞的。

delete方法也通過data引數來傳遞請求引數。

3.帶引數的get請求

get引數是以params關鍵字引數傳遞的

#帶引數的get請求
url1 = 'https://movie.douban.com/subject/4864908/comments?start=20&limit=20&sort=new_score&status=P'
import  requests
data = {
    'start': 20,
    'limit': 40,
    'sort': 'new_score',
    'status': 'P',
}
url = 'https://movie.douban.com/subject/4864908/comment'
response = requests.get(url, params=data)
print(response.url)

 

4.解析json格式

JSON(JavaScript Object Notation, JS 物件簡譜) 是一種輕量級的資料交換格式。它基於 ECMAScript (歐洲計算機協會制定的js規範)的一個子集，採用完全獨立於程式語言的文字格式來儲存和表示資料。簡潔和清晰的層次結構使得 JSON 成為理想的資料交換語言。 易於人閱讀和編寫，同時也易於機器解析和生成，並有效地提升網路傳輸效率。

import requests
# ip = '8.8.8.8'
ip = input("請輸入查詢的IP：")
url = "http://ip.taobao.com/service/getIpInfo.php?ip=%s" %(ip)
response = requests.get(url)
content  = response.json()
print(content)
print(type(content))

5.獲取二進位制資訊

# 獲取二進位制資料
import requests
url = 'https://gss0.bdstatic.com/-4o3dSag_xI4khGkpoWK1HF6hhy/baike/w%3D268%3Bg%3D0/sign=4f7bf38ac3fc1e17fdbf8b3772ab913e/d4628535e5dde7119c3d076aabefce1b9c1661ba.jpg'
response = requests.get(url)
print(response.text)

with open('github.png', 'wb') as f:
    # response.text ： 返回字串的頁面資訊
    # response.content ： 返回bytes的頁面資訊
    f.write(response.content)

寫入影象中效果：

6.下載視訊

import requests
# url = 'https://gss0.bdstatic.com/-4o3dSag_xI4khGkpoWK1HF6hhy/baike/w%3D268%3Bg%3D0/sign=4f7bf38ac3fc1e17fdbf8b3772ab913e/d4628535e5dde7119c3d076aabefce1b9c1661ba.jpg'
url = "http://gslb.miaopai.com/stream/sJvqGN6gdTP-sWKjALzuItr7mWMiva-zduKwuw__.mp4"
response = requests.get(url)
with open('/tmp/learn.mp4', 'wb') as f:
    # response.text ： 返回字串的頁面資訊
    # response.content ： 返回bytes的頁面資訊
    f.write(response.content)

下載成功

7.新增headers資訊

在get引數中田間header資訊

import requests

url = 'http://www.cbrc.gov.cn/chinese/jrjg/index.html'
user_agent = 'Mozilla/5.0 (X11; Linux x86_64; rv:45.0) Gecko/20100101 Firefox/45.0'
headers = {
    'User-Agent': user_agent
}
response = requests.get(url, headers=headers)
print(response.text)
print(response.status_code)

使得之前需要使用好幾步urlopen方法的偽裝瀏覽器操作變得只需在get方法中加入header引數即可。

8.上傳檔案

import  requests
# 上傳的資料資訊(字典儲存)
data = {'file':open('github.png', 'rb')}
response = requests.post('http://httpbin.org/post', files=data)
print(response.text)

使用[http://httpbin.org/post]網站返回的值確定可上傳檔案

9.獲取cookie資訊

import  requests
# 上傳的資料資訊(字典儲存)
response = requests.get('http://www.csdn.net')
print(response.cookies)
for key, value in response.cookies.items():
    print(key + "=" + value)

10.讀取已經存在的cookie資訊訪問網址內容(會話維持)

import  requests
# 上傳的資料資訊(字典儲存)
# 設定一個cookie: name='westos'
s = requests.session()
response1 = s.get('http://httpbin.org/cookies/set/name/villa')
response2 = s.get('http://httpbin.org/cookies')
print(response2.text)

11.忽略證書驗證

由於很多網站在爬取時會碰到需要證書驗證的問題，在get方法中加入verify=False可忽略證書驗證

在沒有加入忽略引數時，即無法訪問

# 忽略證書驗證
import  requests
url = 'https://www.12306.cn'
response = requests.get(url)
print(response.status_code)
print(response.text)

新增忽略引數之後

# 忽略證書驗證
import  requests
url = 'https://www.12306.cn'
response = requests.get(url, verify=False)
print(response.status_code)
print(response.text)

12.代理設定(proxies=proxy)/設定超時間(timeout=sec)

# 代理設定/設定超時間
import requests

proxy = {
    'https': '171.221.239.11:808',
    'http': '218.14.115.211:3128'
}
response = requests.get('http://httpbin.org/get', proxies=proxy,  timeout=10)
print(response.text)