1. 介绍
对了解一些爬虫的基本理念，掌握爬虫爬取的流程有所帮助。入门之后，我们就需要学习一些更加高级的内容和工具来方便我们的爬取。那么这一节来简单介绍一下 requests 库的基本用法
2. 安装
利用 pip 安装
3. 基本请求
1
2
3
4
5
6
| req = requests.get("http://www.baidu.com")
req = requests.post("http://www.baidu.com")
req = requests.put("http://www.baidu.com")
req = requests.delete("http://www.baidu.com")
req = requests.head("http://www.baidu.com")
req = requests.options("http://www.baidu.com")
|
3.1 get请求
参数是字典，我们也可以传递json类型的参数：
1
2
3
4
5
6
7
8
9
| import requests
url = "http://www.baidu.com/s"
params = {'wd': '尚学堂'}
response = requests.get(url, params=params)
print(response.url)
response.encoding = 'utf-8'
html = response.text
# print(html)
|
3.2 post请求
参数是字典，我们也可以传递json类型的参数：
1
2
3
4
5
6
7
8
9
| url = "http://www.sxt.cn/index/login/login.html"
formdata = {
"user": "17703181473",
"password": "123456"
}
response = requests.post(url, data=formdata)
response.encoding = 'utf-8'
html = response.text
# print(html)
|
3.3 自定义请求头部
伪装请求头部是采集时经常用的，我们可以用这个方法来隐藏：
1
2
3
4
|
headers = {'User-Agent': 'python'}
r = requests.get('http://www.zhidaow.com', headers = headers)
print(r.request.headers['User-Agent'])
|
3.4 设置超时时间
可以通过timeout属性设置超时时间，一旦超过这个时间还没获得响应内容，就会提示错误
1
| requests.get('http://github.com', timeout=0.001)
|
3.5 代理访问
采集时为避免被封IP，经常会使用代理。requests也有相应的proxies属性
1
2
3
4
5
6
7
8
| import requests
proxies = {
"http": "http://10.10.1.10:3128",
"https": "https://10.10.1.10:1080",
}
requests.get("http://www.zhidaow.com", proxies=proxies)
|
如果代理需要账户和密码，则需这样
1
2
3
| proxies = {
"http": "http://user:pass@10.10.1.10:3128/",
}
|
3.6 session自动保存cookies
seesion的意思是保持一个会话，比如 登陆后继续操作(记录身份信息) 而requests是单次请求的请求，身份信息不会被记录
1
2
3
4
| # 创建一个session对象
s = requests.Session()
# 用session对象发出get请求，设置cookies
s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')
|
3.7 ssl验证
1
2
3
4
| # 禁用安全请求警告
requests.packages.urllib3.disable_warnings()
resp = requests.get(url, verify=False, headers=headers)
|
4 获取响应信息
| 代码 |
含义 |
| resp.json() |
获取响应内容（以json字符串） |
| resp.text |
获取响应内容 (以字符串) |
| resp.content |
获取响应内容（以字节的方式） |
| resp.headers |
获取响应头内容 |
| resp.url |
获取访问地址 |
| resp.encoding |
获取网页编码 |
| resp.request.headers |
请求头内容 |
| resp.cookie |
获取cookie |