python爬虫requests的使用
1 发送get请求获取页面
1 import requests
2
3 # 1 要爬取的页面地址
4 url = 'http://www.baidu.com'
5 # 2 发送get请求 拿到响应
6 response = requests.get(url=url)
7 # 3 获取响应内容文本 两种方法
8 html1 = response.content.decode() #response.content为bytes类型,decode() 将它转换为utf8
9 print(html1)
10
11 response.encoding='utf8'
12 html2 = response.text # 用response.text 会自动选择一种方式解码 有时候会乱码,要提前设置response.encoding
13 print(html2)
2 发送post请求获取页面
1 import requests
2
3 # 1 要爬取的页面地址
4 url = 'http://www.baidu.com'
5 # 2 发送get请求 拿到响应
6 response = requests.post(url=url)
7 # 3 获取响应内容文本 两种方法
8 html1 = response.content.decode() #response.content为bytes类型,decode() 将它转换为utf8
9 print(html1)
10
11 response.encoding='utf8'
12 html2 = response.text # 用response.text 会自动选择一种方式解码 有时候会乱码,要提前设置response.encoding
13 print(html2)
3 伪装浏览器,携带报头
1 import requests
2
3 # 伪装我们的报文头,加上Use-Agent 伪装成浏览器
4 headers = {
5 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
6 # 如果要带着cookie 可以传入cookie,也可以放在报文头当中
7 #'Cookie':'这里放入cookie'
8 }
9 # 1 要爬取的页面地址
10 url = 'http://www.baidu.com'
11 # 2 发送get请求 拿到响应
12 response = requests.get(url=url,headers=headers)
13 # 3 获取响应内容文本 两种方法
14 html = response.content.decode() #response.content为bytes类型,decode() 将它转换为utf8
15 print(html)
4 携带数据 (比如 发送请求去登陆)
1 import requests
2
3 # 如果伪装登录,可以传送一个字典类型数据
4 data = {
5 '''这里放入需要的key:value'''
6 }
7 # 1 要爬取的页面地址
8 url = 'http://www.baidu.com'
9 # 2 发送get请求 拿到响应
10 # get请求用params 相当于在url后面拼接key=value&key=value
11 response = requests.get(url=url,params=data)
12 # post用data传入参数 携带post的数据
13 response = requests.post(url=url,data=data)
14 # 3 获取响应内容文本 两种方法
15 html = response.content.decode() #response.content为bytes类型,decode() 将它转换为utf8
16 print(html)
5 代理
import requests
# 将代理的服务器放入这里,key为协议类型 value为代理的ip和端口
# 发送https或者http请求会根据不同代理ip选择 为我们发送请求
proxies = {
'http':'http://127.0.0.1:80',
'https':'https://127.0.0.1:80'
}
# 1 要爬取的页面地址
url = 'http://www.baidu.com'
# 2 发送get请求 拿到响应
response = requests.get(url=url,proxies=proxies)
# 3 获取响应内容文本 两种方法
html = response.content.decode() #response.content为bytes类型,decode() 将它转换为utf8
print(html)
6 携带cookie
1 import requests
2
3 # 如果要带着cookie字典 可以传入cookie,也可以放在报文头当中
4 cookies = {
5 #'key':'value',
6 }
7
8 # 或者将cookie放在报文头当中
9 headers = {
10 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
11 # 如果要带着cookie 可以传入cookie,也可以放在报文头当中
12 #'Cookie':'这里放入cookie'
13 }
14
15 # 1 要爬取的页面地址
16 url = 'http://www.baidu.com'
17 # 2 发送get请求 拿到响应
18 response = requests.get(url=url,cookies=cookies)
19 #response = requests.get(url=url,headers=headers)
20 # 3 获取响应内容文本 两种方法
21 html = response.content.decode() #response.content为bytes类型,decode() 将它转换为utf8
22 print(html)
7 保持session 帮我们保存response中的session
1 import requests
2 # 获取一个session对象为我们发送请求 用法与requests对象相同
3 session = requests.session()
4
5 url = 'http://www.baidu.com'
6 #保持session发送请求
7 response = session.get(url=url)
8 # 获取页面
9 html = response.content.decode()
10 print(html)
11 #查看session
12 print(response.cookies)
8 设置连接超时时间
1 import requests
2 # 获取一个session对象为我们发送请求 用法与requests对象相同
3 session = requests.session()
4
5 url = 'http://www.baidu.com'
6 #保持session发送请求
7 response = session.get(url=url,timeout = 3) # 3秒时间为超时时间
8 # 获取页面
9 html = response.content.decode()
10 print(html)
11 #查看session
12 print(response.cookies)
9 设置ssl校验 对方https协议合法性是否忽略
1 import requests
2 # 获取一个session对象为我们发送请求 用法与requests对象相同
3 session = requests.session()
4
5 url = 'http://www.baidu.com'
6 #保持session发送请求
7 response = session.get(url=url,verify=False) # 不校验ssl 如果对方https协议不合法,我们忽略 继续请求
8 # 获取页面
9 html = response.content.decode()
10 print(html)
11 #查看session
12 print(response.cookies)
10 重新连接次数
1 import requests
2 from retrying import retry
3
4
5 @retry(stop_max_attempt_number=3) # 设置超时重新连接 次数3
6 def get( url ):
7 response = requests.get(url=url,timeout=3)
8 return response.content.decode()
9
10 url = 'http://www.baidu.com'
11 html = get(url)
12 print(html)