您现在的位置是:首页 > 正文

Python之爬虫-- Requests

2024-01-30 20:24:34阅读 2

目录

Requests-献给人类

一、简介

二、安装方式

三、 GET请求

四、POST请求

 五、显示json文件

六、代理(proxies参数)

 七、用户验证

八、Cookies 和 Session

1、Cookies

2、Session

九、SSL证书验证

https请求验证ssl证书(有一些网站的ssl证书是自己写的,比如12306和360)


Requests-献给人类

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”,更简洁更友好
  • 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/requestshttps://github.com/requests/requests
  • 中文文档 API:http://docs.python-requests.org/zh_CN/latest/index.html
  • 安装: conda install requests

二、安装方式

利用 pip 安装 或者利用 easy_install 都可以完成安装:

$ easy_install requests


$ conda install requests


$ pip install requests

三、 GET请求

1.requests.get(url),案例1

2.requests.request("get", url),案例1

3.可以带有headers和parmas参数,案例2。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。

4.get返回内容,案例2

  • 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。

案例1 :

import requests

url = "http://www.baidu.com"
# 两种请求方式
# 使用get请求
rsp = requests.get(url)
print(rsp.text)

# 使用request请求
rsp = requests.request("get", url)
print(rsp.text)

案例2: 

'''
使用参数headers和params
研究返回结果
'''
import requests

# 完整访问url是下面url加上参数构成
url = "http://www.baidu.com/s?"

kw = {
    "wd": "王八蛋"
}

headers = {
    "User-Agent":"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.119 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)

四、POST请求

  1. 最基本的GET请求可以直接用post方法 
    rsp = requests.post(url, data=data)
  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。
  3. date, headers要求dict类型,不需要转码了
  4. 模拟有道翻译,案例3

案例3: 

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(代理有可能报错,如果使用人数多,考虑安全问题,可能会被强行关闭):

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、用户验证

  • 代理验证
#可能需要使用HTTP basic Auth, 可以这样
# 格式为  用户名:密码@代理地址:端口地址
proxy = { "http": "china:123456@192.168.1.123:4444"}
rsp = requests.get("http://baidu.com", proxies=proxy)
  • web客户端验证,如果遇到web客户端验证,需要添加auth=(用户名,密码)
import requests

autu=("test1", "123456")#授权信息

response = requests.get('http://192.168.199.107', auth = auth)

print ('response.text')

八、Cookies 和 Session

1、Cookies

  • requests可以自动处理cookie信息
  • 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/")

# 如果对方服务器给传送过来cookie信息,则可以通过反馈的cookie属性得到
# 返回CookieJar对象:
cookiejar = response.cookies

# 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

            # 创建session对象,可以保持cookie值
            ss = requests.session()
            
            headers = {"User-Agetn":"xxxxxxxxxxxxxxxxxx"}
            
            data = {"name":"xxxxxxxxxxx"}
            
            # 此时,由创建的session管理请求,负责发出请求,
            ss.post("http://www.baidu.com", data=data, headers=headers)
            
            rsp = ss.get("xxxxxxxxxxxx")

  • 跟服务器端session不是一个东东
  • 模拟一次会话,从客户端浏览器链接服务器开始,到客户端浏览器断开
  • 能让我们跨请求时保持某些参数,比如在同一个session实例发出的 所有请求之间保持cookie,以后所有请求都是这一个cookie,不需要在创建

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

https请求验证ssl证书(有一些网站的ssl证书是自己写的,比如12306和360)

  • 参数verify负责表示是否需要验证ssL证书,默认是True
  • 如果不需要验证ssl证书,则设置成False表示关闭

            rsp = requests.get("https://www.baidu.com", verify=False)
            # 如果用verify=True访问12306,会报错,因为他证书有问题 

 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)

 

网站文章

  • 控制台查看网页的宽高随浏览器缩放而缩放

    控制台查看网页的宽高随浏览器缩放而缩放

    记住这些代码 随时查看浏览器得宽度高度以及分辨率

    2024-01-30 20:24:27
  • 创建自己的yum源

    创建自己的yum源

    创建自己的yum源2013-02-28 09:18 2328人阅读 评论(0) 收藏 举报 分类:Linux(172) 目录(?)[+]转自:http://www.bsdmap.com/2011/07/06/createrepo/创建自己的yum源  最终还是决定使用rpm来管理系统上“定制”的

    2024-01-30 20:24:19
  • cocos creator 使用第三方包

    NPM 模块使用方法: 运行npm安装命令时当前的路径应该在项目的根目录(也就是包括 assets, library 这些目录的根目录)npm install xxx --save 时可以加上 save 指令,自动生成 package.json 方便其他人共享开发环境设置安装完成之后,在 assets 目录下的用户脚本里使用 var npmModule = require(&#39;npmM

    2024-01-30 20:24:12
  • 开发工具之IDEA

    开发工具之IDEA

    欢迎使用Markdown编辑器 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法...

    2024-01-30 20:23:41
  • Unity 升级项目到Urp(通用渲染管线)以及画面后处理 热门推荐

    Unity 升级项目到Urp(通用渲染管线)以及画面后处理 热门推荐

    前言: Urp是一种SRP(可编程渲染管线),相比于默认渲染管线,在提升画面表现的同时,也可以提升游戏的性能表现 开始升级前准备 在开始之前,需要你备份你的项目,确保在升级过程中出现问题还有挽回的空间...

    2024-01-30 20:23:32
  • android9.0与5g,5G双卡+Android9.0!vivo年度最强旗舰机曝光

    android9.0与5g,5G双卡+Android9.0!vivo年度最强旗舰机曝光

    原标题:5G双卡+Android9.0!vivo年度最强旗舰机曝光伴随着2019年的临近,5G时代越来越近,高通、英特尔、华为、三星等都陆续宣布将会推出5G基带,高通更是在近期宣布开始量产基于7nm工...

    2024-01-30 20:23:26
  • html一张图片水平居中,CSS 图片水平居中

    html一张图片水平居中,CSS 图片水平居中

    使用CSS让图片中网页中水平居中代码:text-align:center内容居中text-align:center介绍:text-align:center为水平内容居中功能,图片放入网页中是使用img...

    2024-01-30 20:22:58
  • 通过AWS云平台 构建云上勒索病毒防护体系,轻松保护数据完整性

    通过AWS云平台 构建云上勒索病毒防护体系,轻松保护数据完整性

    因为AWS采用责任分担模型来明确用户和AWS之间的安全责任,当您选择使用这些服务时,您将不再需要将精力放在如何给操作系统安装补丁,如何保护操作系统的密钥,是否有防病毒措施等安全问题上,这些工作将由AW...

    2024-01-30 20:22:52
  • 深入理解JVM 一GC(下) G1 Garbage Collector

    深入理解JVM 一GC(下) G1 Garbage Collector

    关于java程序性能当我们调优java程序时,通常的目标有两个: 响应能力 或者 吞吐量响应能力响应能力指一个程序或者系统对请求的是否能够及时响应。 比如: 一个桌面UI能多快的响应一个事件; 一个网站能够多快返回一个页面请求; 数据库能够多快返回查询的数据;对于这类对响应能力敏感的场景,长时间的停顿是无法接受的。吞吐量吞吐量关注的是,在一个指定的时间内,最大化一个应用的工作量。 如下方

    2024-01-30 20:22:46
  • 【Linux】系统调用文件操作

    【Linux】系统调用文件操作

    Linux系统没有文本和二进制之分,所有的东西都是文件,文件描述符是一个整形数字,储存在PCB的文件描述符表中(一个数组)

    2024-01-30 20:22:19