Python3 爬虫学习(四) - requests 库

requests 库

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 使用起来感觉不是很好，而 requests 库宣传是 "HTTP for Humans"，说明使用更简洁方便。

• 安装

pip install requests

• requests 的主页

https://2.python-requests.org/en/master/

发送 GET 请求

1.最简单的发送 get 请求就是通过 requests.get 来调用：

response = requests.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 header 信息。
如果要将参数放在 url 中传递，可以利用 params 参数。相关示例代码如下：

import requests


kw = {'wd':'中国'}

headers = {
    "User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 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()
response = requests.get('https://www.baidu.com/s', params=kw, headers=headers)
# response = requests.get('https://www.baidu.com', 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 返回的是字节流的数据
print(response.content.decode('utf-8'))

# 查看完整的 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)

发送 POST 请求

1.最基本的POST请求可以使用 post 方法

response = requests.post("https://www.baidu.com", data=data)

2.传入 data 数据
这时候就不要再使用 urlencode 进行编码了，直接传入一个字典进去就可以了。比如请求拉钩网的数据的代码：

import requests

url = 'https://www.lagou.com/jobs/positionAjax.json?px=default&city=%E5%8C%97%E4%BA%AC&needAddtionalResult=false'

headers = {
    "User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36",
    'Referer':'https://www.lagou.com/jobs/list_python'
}

data = {
    'first':'true',
    'pn':1,
    'kd':'python'
}

resp = requests.post(url, headers=headers, data=data)

#如果是 json 数据，可直接调用 json() 方法
print(resp.json())

requests 使用代理 IP

使用 requests 添加代理也非常简单，只要在请求的方法中（比如 get 或 post) 传递 proxies 参数就可以了。示例代码如下：

import requests

url = 'https://www.lagou.com/jobs/positionAjax.json?px=default&city=%E5%8C%97%E4%BA%AC&needAddtionalResult=false'

headers = {
    "User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36",
    'Referer':'https://www.lagou.com/jobs/list_python'
}

data = {
    'first':'true',
    'pn':1,
    'kd':'python'
}

proxies = {
    'http':'117.131.99.210:53281',
    'https':'117.131.99.210:53281'
}

resp = requests.post(url, headers=headers, data=data, proxies=proxies)

#如果是 json 数据，可直接调用 json() 方法
print(resp.json())

cookie

如果在一个响应中包含了 cookie ，那么可以利用 cookies 属性拿到这个返回的 cookie 值：

import requests

url = 'http://www.renren.com/PLogin.do'
data = {"email":"xxxx", "password":"xxxxxxx"}
resp = requests.post(url, data=data)
print(resp.cookies)
print(resp.cookies.get_dict())

session

之前使用 urllib 库，是可以使用 opener 发送多个请求，多个请求之间是可以共享 cookie 的。那么如果使用 requests ，也要达到共享 cookie 的目的，那么可以使用 requests 库给我们提供的 session 对象。注意，这里的 session 不是 Web 开发中的那个 session ，这个地方只是一个会话的对象而已。还是以登录人人网为例，使用 requests 来实现。示例代码如下：

import requests

url = 'http://www.renren.com/PLogin.do'
data = {'email':'xxxxxx', 'password':'xxxxxx'}
headers = {
    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36',
}

# 登录
session = requests.session()
session.post(url, data=data, headers=headers)

# 访问大鹏个人中心
resp = session.get('http://www.renren.com/880151247/profile')

print(resp.text)

处理不受信任的 SSL 证书

对于那些已经被信任的 SSL 证书的网站，比如 https://www.baidu.com ，那么使用 requests 直接就可以正常的返回响应。如果是不受信任的 SSL 证书，可以在请求方法中，将 verify 参数设置为 False （默认是 True, 会报错的) ，示例代码如下：

resp = requests.get('https://xxx.yyy.com.cn', verify=False)
print(resp.content.decode('utf-8'))