爬虫——requests模块

Requests继承了urllib.request的所有特性，Requests支持HTTP连接保持和连接池，支持使用cookie保持会话，支持文件上传，支持自动确定响应内容的编码，支持国际化的URL和POST数据自动编码。

相较于urllib.request而言，其使用更加简洁方便。

基本GET请求（headers参数和parmas参数）

1.最基本的GET请求可以直接用get方法

#!/usr/bin/python3
# -*- coding:utf-8 -*-
__author__ = 'mayi'

import requests

response = requests.get("http://www.baidu.com/")
# 也可以这么写
# response = requests.request("get", "http://www.baidu.com/")

2.添加headers和查询参数

如果想添加headers，可以传入headers参数来增加请求头中的headers信息。如果要将参数放在url中传递，可以利用params参数。

#!/usr/bin/python3
# -*- coding:utf-8 -*-
__author__ = 'mayi'

import requests

url = "http://www.baidu.com/s?"

kw = {"wd":"爬虫"}

# User-Agent头
header = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36'}

# params接收一个字典或者字符串的查询参数，字典类型自动转换为url编码，不需要urlencode()
response = requests.get(url = url, params = kw, headers = header)

# 打印响应内容，response.text返回的是Unicode格式的数据
print(response.text)
# 打印响应内容，response.content返回的是字节流数据
# print(response.content)

# 查看完整的url地址
print(response.url)

# 查看响应头部字符编码
print(response.encoding)

# 查看响应码
print(response.status_code)

• 使用response.text时，requests会基于HTTP响应的文本编码自动解码响应内容，大多数Unicode字符集都能被无缝地解码。
• 使用response.content时，返回的是服务器响应数据的原始二进制字节流，可以用来保存图片等二进制文件。

基本POST讨还（data参数）

1.最基本的GET请求可以直接用post方法

#!/usr/bin/python3
# -*- coding:utf-8 -*-
__author__ = 'mayi'

import requests

response = requests.post("http://www.baidu.com/")
# 也可以这么写
# response = requests.request("post", "http://www.baidu.com/")

2.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。

#!/usr/bin/python3
# -*- coding:utf-8 -*-
__author__ = 'mayi'

import requests

url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null"

header = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36'}

word = input("请输入需要翻译的词条：")

from_data = {
    "i":word,
    "from":"AUTO",
    "to":"AUTO",
    "smartresult":"dict",
    "doctype":"json",
    "version":"2.1",
    "keyfrom":"fanyi.wed"
}

response = requests.post(url = url, data = from_data, headers = header)

# print(response.text)
print(response.json())

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：

#!/usr/bin/python3
# -*- coding:utf-8 -*-
__author__ = 'mayi'

import requests

# 根据协议类型，选择不同的代理
proxies = {
    "http": "http://12.34.56.78:90",
    "https": "http://21.43.65.87:90"
}

response = requests.get("http://www.baidu.com/", proxies = proxies)

print(response.text)

Cookies和Sission

1.Cookies

如果一个响应中包含了cookie，那么我们可以利用cookies参数拿到：

#!/usr/bin/python3
# -*- coding:utf-8 -*-
__author__ = 'mayi'

import requests

response = requests.get("http://www.baidu.com/")

cookiejar = response.cookies

cookiedict = requests.utils.dict_from_cookiejar(cookiejar)

print(cookiejar)

print(cookiedict)

2.Sission

在requests里，session对象是一个非常常用的对象，这个对象代表一次用户会话：从客户端连接服务器开始，到客户端浏览器与服务器断开。

会话能让我们在跨请求时候保持某些参数，比如在同一个Session实例发出的所有请求之间保持cookie。

实现人人网登录

#!/usr/bin/python3
# -*- coding:utf-8 -*-
__author__ = 'mayi'

import requests

# 创建session对象，用于保存Cookie值
session = requests.session()

# User-Agent头
header = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36'}

# 需要登录的账户和密码
email = input("请输入您的账户：")
password = input("请输入您的密码：")
data = {"email": email, "password": password}

# 发送附带账户密码的请求，并获取登录后的Cookie值，保存在session中
session.post("http://www.renren.com/PLogin.do", data = data)

# session中包含了登录后的Cookie值，可以直接访问那些需登录后才能访问的页面
response = session.get("http://www.renren.com/413928886/profile")

# 打印响应内容
print(response.text)