python爬虫中的requests模块
Requests: 让 HTTP 服务人类
一、简介
虽然Python的标准库中 urllib 模块已经包含了平常我们使用的大多数功能,但是它的 API 使用起来让人感觉不太好,而 Requests 自称 “HTTP for Humans”,说明使用更简洁方便。
Requests 唯一的一个非转基因的 Python HTTP 库,人类可以安全享用:)
Requests 继承了urllib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。
requests 的底层实现其实就是 urllib3
Requests的文档非常完备,中文文档也相当不错。Requests能完全满足当前网络的需求,支持Python 2.6—3.5,而且能在PyPy下完美运行。
开源地址:https://github.com/kennethreitz/requests
中文文档 API:http://docs.python-requests.org/zh_CN/latest/index.html
二、安装方式
利用 pip 安装 或者利用 easy_install 都可以完成安装:
$ pip install requests
$ easy_install requests
基本GET请求(headers参数 和 parmas参数)
三、 GET请求
import requests
response = requests.get("http://www.baidu.com/")
print(response.content.decode("utf-8"))
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。
import requests
kw = {'wd':'长城'}
# 请求头
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0;
Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko)
Chrome/54.0.2840.99 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()
url = "http://www.baidu.com/s?"
response = requests.get(url, params = kw, headers = headers)
# 查看响应内容,response.text 返回的是Unicode格式的数据
print(response.text)
# 查看响应内容,response.content返回的字节流数据
print(response.content)
# 查看完整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)
运行结果
......
......
'http://www.baidu.com/s?wd=%E9%95%BF%E5%9F%8E'
'utf-8'
200
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。
四、POST请求
- 最基本的GET请求可以直接用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。 - 模拟有道翻译
import json
import time
import requests
def youdaoAPI(kw):
'''
:param kw: 翻译的内容
:return:
'''
# 请求头
header = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)
AppleWebKit/537.36 (KHTML,
like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
# translate_o 去掉_o
url = "http://fanyi.youdao.com/translate?
smartresult=dict&smartresult=rule"
response = requests.post(url, data=kw, headers=header)
res = response.content
tgt = json.loads(res)
print(tgt["translateResult"])
if __name__ == '__main__':
kw = input("请输入你想翻译的内容:")
timet = int(time.time() * 1000)
data = {
"i": kw,
"from": "AUTO",
"to": "AUTO",
"smartresult": "dict",
"client": "fanyideskweb",
"salt": timet,
"sign": "f66461b42fe9edb6d88230788fb33cfb",
"doctype": "json",
"version": "2.1",
"keyfrom": "fanyi.web",
"action ": "FY_BY_REALTIME",
"typoResult ": "false",
}
youdaoAPI(data)
五、显示json文件
# 自带json模块
print(response.json())
运行结果
{'type': 'ZH_CN2EN', 'errorCode': 0,
'elapsedTime': 1, 'translateResult':
[[{'src': '长城', 'tgt': 'The Great Wall'}]]}
六、代理(proxies参数)
如果需要使用代理,可以通过为任意请求方法提供proxies参数来配置单个请求:
import requests
# 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",
}
response = requests.get("http://www.baidu.com", proxies = proxies)
print response.text
# 带密码代理
httpProxy = {"https": "http://User1:123456@10.3.132.6:808"}
七、web客户端验证
如果是Web客户端验证,需要添加 auth = (账户名, 密码)
import requests
auth=('test', '123456')
response = requests.get('http://192.168.199.107', auth = auth)
print response.text
八、Cookies 和 Session
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:
import requests
response = requests.get("http://www.baidu.com/")
# 7. 返回CookieJar对象:
cookiejar = response.cookies
# 8. 将CookieJar转为字典:
cookiedict = requests.utils.dict_from_cookiejar(cookiejar)
print(cookiejar)
print(cookiedict)
运行结果:
<RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>
{'BDORZ': '27315'}
2、Session
在 requests 里,session对象是一个常用的对象,这个对象代表一次用户会话:从客户端浏览器连接服务器开始,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存某些参数,比如在同一个 Session 实例发出的所有请求之间保存cookie 。
实现人人网登录:
import requests
# 1. 创建session对象,可以保存Cookie值
ssion = requests.session()
# 2. 处理 headers
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0;
Win64; x64)
AppleWebKit/537.36 (KHTML,
like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
# 3. 需要登录的用户名和密码
data = {"email":"mr_mao_hacker@163.com", "password":"alarmchime"}
# 4. 发送附带用户名和密码的请求,并获取登录后的Cookie值,保存在ssion里
ssion.post("http://www.renren.com/PLogin.do", data = data)
# 5. ssion包含用户登录后的Cookie值,
#可以直接访问那些登录后才可以访问的页面
response = ssion.get("http://www.renren.com/410043129/profile")
# 6. 打印响应内容
print(response.text)
# 将cookie对象转为字典
cookieDict = requests.utils.dict_from_cookiejar(ssion.cookies)
# 保存cookie
with open("session.txt", 'w', encoding='utf-8') as f:
f.write(str(cookieDict))
f.flush()
九、SSL证书验证
处理HTTPS请求 SSL证书验证
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(response.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
response = requests.get("https://www.12306.cn/mormhweb/")
print(response.text)
报错:
SSLError: ("bad handshake: Error([('SSL routines',
'ssl3_get_server_certificate', 'certificate verify failed')],)",)
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
url = "https://www.12306.cn/mormhweb/"
response = requests.get(url,verify=False)
print(response.text)
【后记】:如果文章对您有帮助,打赏下呗。微信 1257309054,欢迎交流学习*_*
微信
支付宝