2-request模块深入解析
那些地方会用到post请求;
1 登陆,注册
2 需要传输大文本的时候
http://www.cnblogs.com/wupeiqi/articles/6283017.html
最基本post方法:
response = requests.post("http://www.baidu.com/", data = data)
传入data数据对于 POST 请求来说,我们一般需要为它增加一些参数。那么最基本的传参方法可以利用 data
这个参数。
百度翻译案例
需要传送的data
data = { 'from': 'zh', 'to': 'en', 'query': self.query_string, 'transtype': 'enter', 'simple_means_flag': '3' }
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import requests import json # 发送请求 # 提取数据 class fanyi(object): def __init__(self, query_sting): self.url = 'http://fanyi.baidu.com/v2transapi' self.query_string = query_sting self.headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36' } self.post_data = { 'from': 'zh', 'to': 'en', 'query': self.query_string, 'transtype': 'enter', 'simple_means_flag': '3' } # 发送请求 def send_request(self): response = requests.post(self.url,headers=self.headers,data=self.post_data) result = response.content.decode() return result # 提取数据 def get_result(self,respoonse): dir_response = json.loads(respoonse) ret = dir_response["trans_result"]["data"][0]["dst"] print('{}中文的翻译的结果是:{}'.format(self.query_string,ret)) return ret def run(self): response = self.send_request() result=self.get_result(response) fan = fanyi('人生苦短,我用python') fan.run()
代理(proxies参数)
如果需要使用代理,你可以通过为任意请求方法提供 proxies
参数来配置单个请求:
# 根据协议类型,选择不同的代理 proxies = { "http": "http://12.34.56.79:9527", "https": "http://12.34.56.79:9527", }
简单的实例
import requests url = 'http://www.baidu.com' # 代理的格式 proxies = { 'http': 'http://221.204.67.11:80' } r = requests.get(url=url, proxies=proxies) print(r.status_code)
cookie和session区别:
1 cookie数据存放在客户的浏览器上,session数据放在服务器上。
2 cookie不是很安全,别人可以分析存放在本地的cookie并进行cookie欺骗。
3 session会在一定时间内保存在服务器上。当访问增多,会比较占用你服务器的性能。
4 单个cookie保存的数据不能超过4K,很多浏览器都限制一个站点最多保存20个cookie。
带上cookie、session的好处:
能够请求到登录之后的页面
带上cookie、session的弊端:
一套cookie和session往往和一个用户对应
请求太快,请求次数太多,容易被服务器识别为爬虫
不需要cookie的时候尽量不去使用cookie
但是为了获取登录之后的页面,我们必须发送带有cookies的请求
处理cookies 、session请求
requests 提供了一个叫做session类,来实现客户端和服务端的会话保持。
使用方法:
实例化一个session对象
让session发送get或者post请求
session = requests.session()
response = session.get(url,headers)
动手尝试使用session来登录人人网:
http://www.renren.com/PLogin.do
案例1 创建一个session类,来保存cookie的值
第二次是登陆个人主页的时候自动保存了,上次登陆的cookie值,在这里通过提取主页的关键字,确定访问成功
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import requests import re url = "http://www.renren.com/PLogin.do" post_data = {"email":"18001225173", "password":"zhangbiao"} session=requests.session() headers = { "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36" } session.post(url,data=post_data,headers=headers) r=session.get("http://www.renren.com/327550029/profile",headers=headers) print(re.findall('张彪',r.content.decode()))
案例2 在请求的headers携带cookie取访问登陆后的页面
import requests import re url = 'http://www.renren.com/327550029/profile' headers = { "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36", "Cookie":'anonymid=j8k2lo0cxzvxt2; _r01_=1; springskin=set; depovince=BJ; ap=327550029; jebecookies=9ba25af9-0706-4623-9ea0-83d064f51d45|||||; JSESSIONID=abcWUIp_Z9JIM4_7ZqT9v; ick_login=dd642771-67fe-4c8d-8723-feba9f943b44; _de=4C18B740AFB5CCB88B0E53151F00BFFB; p=dc5a8371b38db2e3b0e8bea58df8a48b1; first_login_flag=1; ln_uact=18001225173; ln_hurl=http://head.xiaonei.com/photos/0/0/men_main.gif; t=00c94770db65dae5760421d21b56b2361; societyguester=00c94770db65dae5760421d21b56b2361; id=960734501; xnsid=92bc34e3; loginfrom=syshome; jebe_key=2ff56a05-2652-4c54-8909-d01e81823bdf%7C82e55f2a2ce39101d6374a335abf18de%7C1509366690724%7C1%7C1509366686405; wp_fold=0', } response=requests.get(url=url,headers=headers) print(re.findall('张彪',response.content.decode()))
案例 3 把cookies当做一个参数去访问登陆的页面
import requests import re url = 'http://www.renren.com/327550029/profile' headers = { "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36", } cookies = 'anonymid=j8k2lo0cxzvxt2; _r01_=1; springskin=set; depovince=BJ; ap=327550029; jebecookies=9ba25af9-0706-4623-9ea0-83d064f51d45|||||; JSESSIONID=abcWUIp_Z9JIM4_7ZqT9v; ick_login=dd642771-67fe-4c8d-8723-feba9f943b44; _de=4C18B740AFB5CCB88B0E53151F00BFFB; p=dc5a8371b38db2e3b0e8bea58df8a48b1; first_login_flag=1; ln_uact=18001225173; ln_hurl=http://head.xiaonei.com/photos/0/0/men_main.gif; t=00c94770db65dae5760421d21b56b2361; societyguester=00c94770db65dae5760421d21b56b2361; id=960734501; xnsid=92bc34e3; loginfrom=syshome; jebe_key=2ff56a05-2652-4c54-8909-d01e81823bdf%7C82e55f2a2ce39101d6374a335abf18de%7C1509366690724%7C1%7C1509366686405; wp_fold=0' cookies = { i.split('=')[0]:i.split('=')[-1] for i in cookies.split('; ')} response=requests.get(url=url,headers=headers,cookies=cookies) print(re.findall('张彪',response.content.decode()))
Requests也可以为HTTPS请求验证SSL证书:要想检查某个主机的SSL证书,你可以使用 verify 参数(也可以不写)
import requests response = requests.get("https://www.baidu.com/", verify=True) # 也可以省略不写 # response = requests.get("https://www.baidu.com/") print r.text
如果SSL证书验证不通过,或者不信任服务器的安全证书,则会报出SSLError,据说 12306 证书是自己做的:
来测试一下:
import requests r=requests.get("https://www.12306.cn/mormhweb/ ") print(r.content.decode())
如果我们想跳过 12306 的证书验证,把 verify 设置为 False 就可以正常请求了。
import requests r=requests.get("https://www.12306.cn/mormhweb/ ", verify=False) # r=requests.get("https://www.12306.cn/mormhweb/ ") print(r.content.decode())
设置超时配合状态码判断是否请求成功
response = requests.get(url,timeout=10) assert response.status_code == 200
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# coding=utf-8 import requests from retrying import retry headers = { "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36"} @retry(stop_max_attempt_number=3) def _parse_url(url): print("*"*10) r = requests.get(url,headers=headers,timeout=5) assert r.status_code == 200 return r.content.decode() def parse_url(url): try: html = _parse_url(url) except: html = None return html if __name__ == '__main__': # url = "https://www.baidu.com" url = "www.baidu.com" ret = parse_url(url) if ret is not None: print(ret[:100]) else: print("error")
json的使用
import json # 把字典转换成json的格式 json.loads() # 把json的数据转换成字典 json.dumps()
爬取豆瓣的电影
找到豆瓣的返回的json数据
1 切换到手机的模式
2 获取json的数据地址
https://m.douban.com/rexxar/api/v2/subject_collection/movie_showing/items?os=ios&for_mobile=1&callback=jsonp1&start=0&count=18
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import requests import json url = "https://m.douban.com/rexxar/api/v2/subject_collection/movie_showing/items?start=0&count=18" response = requests.get(url) # 这是一个字符串 r = response.content.decode() # print(type(r)) # 把字符串转换成字典 dic_o = json.loads(r) # print(type(dic_o)) with open('move.html','w') as f: f.write(json.dumps(dic_o,ensure_ascii=False,indent=2)) with open('move.html','r') as f: # 这里可以直接的print(f.read())打印的是字符串 t = json.loads(f.read()) print(type(t)) print(t)