python爬虫中requests库怎么用(python,requests,开发技术)

python爬虫—requests库的用法

requests是python实现的简单易用的HTTP库，使用起来比urllib简洁很多，requests 允许你发送 HTTP/1.1 请求。指定 URL并添加查询url字符串即可开始爬取网页信息等操作

因为是第三方库，所以使用前需要cmd安装

pipinstallrequests

安装完成后import一下，正常则说明可以开始使用了

基本用法：

requests.get()用于请求目标网站，类型是一个HTTPresponse类型

importrequestsresponse=requests.get('http://www.baidu.com')print(response.status_code)#打印状态码print(response.url)#打印请求urlprint(response.headers)#打印头信息print(response.cookies)#打印cookie信息print(response.text)#以文本形式打印网页源码print(response.content)#以字节流形式打印

以打印状态码为例，运行结果：

状态码：200，证明请求目标网站正常

若状态码为403一般是目标存有防火墙，触发了反爬策略被限制了IP

各种请求方式：

importrequestsrequests.get('http://www.baidu.com')requests.post('http://www.baidu.com')requests.put('http://www.baidu.com')requests.delete('http://www.baidu.com')requests.head('http://www.baidu.com')requests.options('http://www.baidu.com')

基本的get请求

importrequestsresponse=requests.get('http://www.baidu.com')print(response.text)

带参数的GET请求：

第一种直接将参数放在url内

importrequestsresponse=requests.get("https://www.crrcgo.cc/admin/crr_supplier.html?params=1")print(response.text)

另一种先将参数填写在data中，发起请求时将params参数指定为data

importrequestsdata={'params':'1',}response=requests.get('https://www.crrcgo.cc/admin/crr_supplier.html?',params=data)print(response.text)

基本POST请求：

importrequestsresponse=requests.post('http://baidu.com')

解析json

importrequestsresponse=requests.get('http://httpbin.org/get')print(response.text)print(response.json())#response.json()方法同json.loads(response.text)print(type(response.json()))

简单保存一个二进制文件

importrequestsresponse=requests.get('http://img.ivsky.com/img/tupian/pre/201708/30/kekeersitao-002.jpg')b=response.contentwithopen('F://fengjing.jpg','wb')asf:f.write(b)

为你的请求添加头信息

importrequestsheads={}heads['User-Agent']='Mozilla/5.0'\'(Macintosh;U;IntelMacOSX10_6_8;en-us)AppleWebKit/534.50'\'(KHTML,likeGecko)Version/5.1Safari/534.50'response=requests.get('http://www.baidu.com',headers=headers)

此方法可以有效地避开防火墙的检测，隐藏自己身份

使用代理

同添加headers方法一样，代理参数也是一个dict这里使用requests库爬取了IP代理网站的IP与端口和类型。因为是免费的，使用的代理地址很快就失效了。

importrequestsimportredefget_html(url):proxy={'http':'120.25.253.234:812','https''163.125.222.244:8123'}heads={}heads['User-Agent']='Mozilla/5.0(WindowsNT10.0;WOW64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/49.0.2623.221Safari/537.36SE2.XMetaSr1.0'req=requests.get(url,headers=heads,proxies=proxy)html=req.textreturnhtmldefget_ipport(html):regex=r'<tddata-title="IP">(.+)</td>'iplist=re.findall(regex,html)regex2='<tddata-title="PORT">(.+)</td>'portlist=re.findall(regex2,html)regex3=r'<tddata-title="类型">(.+)</td>'typelist=re.findall(regex3,html)sumray=[]foriiniplist:forpinportlist:fortintypelist:passpassa=t+','+i+':'+psumray.append(a)print('高匿代理')print(sumray)if__name__=='__main__':url='http://www.baidu.com'get_ipport(get_html(url))

获取cookie

importrequestsresponse=requests.get('http://www.baidu.com')print(response.cookies)print(type(response.cookies))fork,vinresponse.cookies.items():print(k+':'+v)

会话维持

importrequestssession=requests.Session()session.get('https://www.crrcgo.cc/admin/crr_supplier.html')response=session.get('https://www.crrcgo.cc/admin/')print(response.text)

证书验证设置

importrequestsfromrequests.packagesimporturllib3urllib3.disable_warnings()#从urllib3中消除警告response=requests.get('https://www.12306.cn',verify=False)#证书验证设为FALSEprint(response.status_code)

超时异常捕获

importrequestsfromrequests.exceptionsimportReadTimeouttry:res=requests.get('http://httpbin.org',timeout=0.1)print(res.status_code)exceptReadTimeout:print(timeout)

异常处理

使用try…except来捕获异常

importrequestsfromrequests.exceptionsimportReadTimeout,HTTPError,RequestExceptiontry:response=requests.get('http://www.baidu.com',timeout=0.5)print(response.status_code)exceptReadTimeout:print('timeout')exceptHTTPError:print('httperror')exceptRequestException:print('reqerror')