次要学习requests这个http模块，requests次要用于发送申请获取响应，该模块有很多的代替模块，比如说urllib模块，然而在工作中用的最多的还是requests模块，requests的代码简洁易懂，绝对于臃肿的urllib模块，应用requests编写的爬虫代码将会更少，而且实现某一性能将会简略。所以在python中requests模块很的重要，倡议大家熟练掌握该模块的应用。

requests模块

咱们来学习如何在代码中实现咱们的爬虫

1. requests模块介绍

requests文档http://docs.python-requests.org/zh_CN/latest/index.html

** 1.1 requests模块的作用：**

发送http申请，获取响应数据

1.2 requests模块是一个第三方模块，须要在你的python(虚构)环境中额定装置

pip/pip3 install requests

1.3 requests模块发送get申请

    需要：通过requests向百度首页发送申请，获取该页面的源码

    运行上面的代码，察看打印输出的后果

# 1.2.1-简略的代码实现
import requests 

# 指标url
url = 'https://www.baidu.com' 

# 向指标url发送get申请
response = requests.get(url)

# 打印响应内容
print(response.text)

知识点：把握 requests模块发送get申请

2. response响应对象

察看上边代码运行后果发现，有好多乱码；这是因为编解码应用的字符集不同早造成的；咱们尝试应用下边的方法来解决中文乱码问题

# 1.2.2-response.content
import requests 

# 指标url
url = 'https://www.baidu.com' 

# 向指标url发送get申请
response = requests.get(url)

# 打印响应内容
# print(response.text)
print(response.content.decode()) # 留神这里！

1.response.text是requests模块依照chardet模块揣测出的编码字符集进行解码的后果

2.网络传输的字符串都是bytes类型的，所以response.text = response.content.decode('揣测出的编码字符集')

3.咱们能够在网页源码中搜寻charset，尝试参考该编码字符集，留神存在不精确的状况

2.1 response.text 和response.content的区别：

response.text

    类型：str

    解码类型： requests模块主动依据HTTP 头部对响应的编码作出有依据的揣测，揣测的文本编码

response.content

    类型：bytes

    解码类型： 没有指定

2.2 通过对response.content进行decode，来解决中文乱码

response.content.decode() 默认utf-8

response.content.decode("GBK")

常见的编码字符集

utf-8
gbk
gb2312
ascii （读音：阿斯克码）
iso-8859-1

2.3 response响应对象的其它罕用属性或办法

response = requests.get(url)中response是发送申请获取的响应对象；response响应对象中除了text、content获取响应内容以外还有其它罕用的属性或办法：

response.url响应的url；有时候响应的url和申请的url并不统一

response.status_code 响应状态码

response.request.headers 响应对应的申请头

response.headers 响应头

response.request._cookies 响应对应申请的cookie；返回cookieJar类型

response.cookies 响应的cookie（通过了set-cookie动作；返回cookieJar类型

response.json()主动将json字符串类型的响应内容转换为python对象（dict or list）

# 1.2.3-response其它罕用属性
import requests

# 指标url
url = 'https://www.baidu.com'

# 向指标url发送get申请
response = requests.get(url)

# 打印响应内容
# print(response.text)
# print(response.content.decode())             # 留神这里！
print(response.url)                            # 打印响应的url
print(response.status_code)                    # 打印响应的状态码
print(response.request.headers)                # 打印响应对象的申请头
print(response.headers)                        # 打印响应头
print(response.request._cookies)            # 打印申请携带的cookies
print(response.cookies)                        # 打印响应中携带的cookies

3. requests模块发送申请

3.1 发送带header的申请

咱们先写一个获取百度首页的代码

import requests

url = 'https://www.baidu.com'

response = requests.get(url)

print(response.content.decode())

# 打印响应对应申请的申请头信息
print(response.request.headers)

3.1.1 思考

比照浏览器上百度首页的网页源码和代码中的百度首页的源码，有什么不同？

    查看网页源码的办法：

        右键-查看网页源代码 或

        右键-查看

比照对应url的响应内容和代码中的百度首页的源码，有什么不同？

    查看对应url的响应内容的办法：

        右键-查看

        点击 Net work

        勾选 Preserve log

        刷新页面

        查看Name一栏下和浏览器地址栏雷同的url的Response

代码中的百度首页的源码非常少，为什么？

    须要咱们带上申请头信息

        回顾爬虫的概念，模仿浏览器，坑骗服务器，获取和浏览器统一的内容

    申请头中有很多字段，其中User-Agent字段必不可少，示意客户端的操作系统以及浏览器的信息

3.1.2 携带申请头发送申请的办法

requests.get(url, headers=headers)

headers参数接管字典模式的申请头

申请头字段名作为key，字段对应的值作为value

3.1.3 实现代码实现

从浏览器中复制User-Agent，结构headers字典；实现上面的代码后，运行代码查看后果

import requests

url = 'https://www.baidu.com'

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"}

# 在申请头中带上User-Agent，模仿浏览器发送申请
response = requests.get(url, headers=headers) 

print(response.content)

# 打印申请头信息
print(response.request.headers)

3.2 发送带参数的申请

咱们在应用百度搜寻的时候常常发现url地址中会有一个 ?，那么该问号后边的就是申请参数，又叫做查问字符串

3.2.1 在url携带参数

间接对含有参数的url发动申请

import requests

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"}

url = 'https://www.baidu.com/s?wd=python'

response = requests.get(url, headers=headers)

3.2.2 通过params携带参数字典

1.构建申请参数字典

2.向接口发送申请的时候带上参数字典，参数字典设置给params

import requests

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"}

# 这是指标url
# url = 'https://www.baidu.com/s?wd=python'

# 最初有没有问号后果都一样
url = 'https://www.baidu.com/s?'

# 申请参数是一个字典 即wd=python
kw = {'wd': 'python'}

# 带上申请参数发动申请，获取响应
response = requests.get(url, headers=headers, params=kw)

print(response.content)

3.3 在headers参数中携带cookie

网站常常利用申请头中的Cookie字段来做用户拜访状态的放弃，那么咱们能够在headers参数中增加Cookie，模仿普通用户的申请。咱们以github登陆为例：

3.3.1 github登陆抓包剖析

关上浏览器，右键-查看，点击Net work，勾选Preserve log

拜访github登陆的url地址 https://github.com/login

输出账号密码点击登陆后，拜访一个须要登陆后能力获取正确内容的url，比方点击右上角的Your profile拜访https://github.com/USER_NAME

确定url之后，再确定发送该申请所须要的申请头信息中的User-Agent和Cookie

3.3.2 实现代码

从浏览器中复制User-Agent和Cookie

浏览器中的申请头字段和值与headers参数中必须统一

headers申请参数字典中的Cookie键对应的值是字符串

import requests

url = 'https://github.com/USER_NAME'

# 结构申请头字典
headers = {
    # 从浏览器中复制过去的User-Agent
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36',
    # 从浏览器中复制过去的Cookie
    'Cookie': 'xxx这里是复制过去的cookie字符串'
}

# 申请头参数字典中携带cookie字符串
resp = requests.get(url, headers=headers)

print(resp.text)

3.3.3 运行代码验证后果

在打印的输入后果中搜寻title，html中的题目文本内容如果是你的github账号，则胜利利用headers参数携带cookie，获取登陆后能力拜访的页面

知识点：把握 headers中携带cookie

3.4 cookies参数的应用

上一大节咱们在headers参数中携带cookie，也能够应用专门的cookies参数

cookies参数的模式：字典

cookies = {"cookie的name":"cookie的value"}

    该字典对应申请头中Cookie字符串，以分号、空格宰割每一对字典键值对

    等号右边的是一个cookie的name，对应cookies字典的key

    等号左边对应cookies字典的value

cookies参数的应用办法

response = requests.get(url, cookies)

将cookie字符串转换为cookies参数所需的字典：

cookies_dict = {cookie.split('=')[0]:cookie.split('=')[-1] for cookie in cookies_str.split('; ')}

留神：cookie个别是有过期工夫的，一旦过期须要从新获取

import requests

url = 'https://github.com/USER_NAME'

# 结构申请头字典
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'
}
# 结构cookies字典
cookies_str = '从浏览器中copy过去的cookies字符串'

cookies_dict = {cookie.split('=')[0]:cookie.split('=')[-1] for cookie in cookies_str.split('; ')}

# 申请头参数字典中携带cookie字符串
resp = requests.get(url, headers=headers, cookies=cookies_dict)

print(resp.text)

知识点：把握 cookies参数的应用

3.5 cookieJar对象转换为cookies字典的办法

应用requests获取的resposne对象，具备cookies属性。该属性值是一个cookieJar类型，蕴含了对方服务器设置在本地的cookie。咱们如何将其转换为cookies字典呢？

转换方法

cookies_dict = requests.utils.dict_from_cookiejar(response.cookies)

其中response.cookies返回的就是cookieJar类型的对象

requests.utils.dict_from_cookiejar函数返回cookies字典

知识点：把握 cookieJar的转换方法

最初

如果文章对你有帮忙的话，给作者点点赞吧\
回绝白嫖，从我做起

关于python:想学Python却还不知道requests模块安装及使用

1. requests模块介绍

2. response响应对象

3. requests模块发送申请

最初

评论

发表回复取消回复

更多文章

苹果iOS打包的ipa应用无法安装？一篇文章带你了解可能的原因及排查方法

图解Golang：从零开始实现简易版过期LRU缓存

深入解析：基于Delta的线性数据结构模型，打造高效富文本编辑器

轻松管理社交媒体：使用Automa插件实现一键拉黑功能

关于python:想学Python却还不知道requests模块安装及使用

1. requests模块介绍

2. response响应对象

3. requests模块发送申请

最初

评论

发表回复 取消回复

更多文章

苹果iOS打包的ipa应用无法安装？一篇文章带你了解可能的原因及排查方法

图解Golang：从零开始实现简易版过期LRU缓存

深入解析：基于Delta的线性数据结构模型，打造高效富文本编辑器

轻松管理社交媒体：使用Automa插件实现一键拉黑功能

发表回复取消回复