request庫

1 安裝

pip install requests

2 主要的方法

requests.request()　　支撐全部的基礎方法
requests.get()　　　　　　
requests.head()
requests.post()
requests.put()
requests.patch()
requests.delete()

3 get方法

r = requests.get( url )

 

　　　　r是一個Response對象, 包含爬蟲返回的內容

　　　　url的Request

　　requests.get(url, params=None, **kwargs)

　　基本操做方法

import requests
r = requests.get("http://www.baidu.com")
print(r.status_code)

4 Response對象屬性

　　status_code

　　　　HTTP請求的返回狀態, 200表示成功

　　text

　　　　頁面內容

　　encoding

　　　　根據header猜想的內容編碼方式

　　apparent_encoding

　　　　從內容中分析出來的編碼方式

　　content

　　　　HTTP相應的二進制形式

5 Requests庫的異常

　　ConnectionError

　　　　網絡連接錯誤, 例如DNS查詢失敗, 拒絕連接等

　　HTTPError

　　　　HTTP錯誤

　　URLRequires

　　　　衝過最大重定向次數

　　ConnectTimeout

　　　　連接超時異常, 僅僅是連接的時候的時間超出

　　Timeout

　　　　url請求超時, 是這個過程的時間超出

6 通用代碼框架　　

　　通用代碼框架以下

　　注意: 該文件不能命名爲requests.py

import requests


def getHTMLText(url):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return "產生異常"


if __name__ == "__main__":
    url = "http://www.python.org"
    print(getHTMLText(url))

7 HTTP協議

　　HTTP超文本傳輸協議

　　URL格式:

　　　　http://host[:port][path]

　　　　host是合法的主機域名或者IP地址

　　　　port是端口, 默認是80

　　　　path是資源路徑

　　對資源的操做

　　　　GET 獲取資源

　　　　HEAD 得到資源的相應消息報告, 也就是資源的頭部

　　　　POST 請求資源後附加的新數據

　　　　PUT 存儲一個資源, 覆蓋原資源(所有更新)

　　　　PATCH 局部更新

　　　　DELETE 刪除資源

　　

　　requests庫的方法對應的就是HTTP的操做

8 requests庫方法詳解

　　requests庫的核心方法是 requests.request()方法

　　

　　其中method就是對應的 GET; HEAD; POST; PUT; PATCH; DELETE; OPTIONS

　　　　其中的OPTIONS是用於與服務器交互得到配置的方法

　　關於kwargs

　　　　params = 字典, 字節序列

　　　　　　該params會拆解成鍵值對放到url以後當作提交的參數

　　　　data = 字典, 字節序列, 文件對象

　　　　　　做爲requests的內容

　　　　json = json格式數據

　　　　　　做爲requests的內容

　　　　headers = 字典

　　　　　　HTTP定製頭部, 諸如修改user-agent來假裝成某個瀏覽器

　　　　auth = 元組

　　　　　　支持HTTP的認證功能

　　　　files = 字典

　　　　　　傳輸文件

　　　　timeout = 數字

　　　　　　超時時間, 秒爲單位

　　　　proxies = 字典類型

　　　　　　設定訪問的代理服務器, 增長登陸認證

　　　　allow_redirects = True/False

　　　　　　重定向開關, 默認True

　　　　stream = True/False

　　　　　　 內容當即下載開關, 默認True

　　　　verify = True/False

　　　　　　認證ssl證書開關, 默認True

　　　　cert 本地ssl證書路徑

　　其他的方法只是將經常使用的參數設爲默認參數了, 基本使用功能不變

　　　　get(url, params=None, **kwargs):

　　　　head(url, **kwargs):

　　　　post(url, data=None, json=None, **kwargs):

　　　　put(url, data=None, **kwargs):

　　　　patch(url, data=None, **kwargs):

　　　　delete(url, **kwargs):

　　　　options(url, **kwargs):

9 利用requests庫的小程序

　　最基本的獲取京東某MAC的頁面

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

__author__ = 'weihuchao'

import requests
url = "https://item.jd.com/2060618.html"
try:
    r = requests.get(url)
    r.raise_for_status()
    r.encoding = r.apparent_encoding
    print(r.text[:1000])
except:
    print("爬取失敗")

　　設置User-Agent來突破網站的限制

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

__author__ = 'weihuchao'

import requests

url = "https://www.amazon.cn/Kindle%E7%94%B5%E5%AD%90%E4%B9%A6/b/ref=sv_kinc_3?ie=UTF8&node=116169071"

try:
    kv = {'user-agent':'Mozilla/5.0'}
    r = requests.get(url, headers=kv)
    r.raise_for_status()
    r.encoding = r.apparent_encoding
    print(r.text[1000:2000])
except:
    print("爬取失敗")

　　經過分析網站的連接形式, 獲得網站的 網站+參數 的格式

　　利用get()方法中的params來設置傳入的參數

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

__author__ = 'weihuchao'

import requests

keyword = "Python"
url = "http://www.baidu.com/s"

try:
    kv = {'wd': keyword}
    r = requests.get(url, params=kv)
    r.raise_for_status()
    print(len(r.text))
except:
    print("爬取失敗")

　　利用requests庫來下載圖片

　　要點是找到網絡圖片的地址

　　得到的requests對象的content值就是文件的內容

　　經過rb的讀寫模式能夠實現文件的存儲

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

__author__ = 'weihuchao'

import requests
import os

url = "http://edu-image.nosdn.127.net/3321D6673EB82C94D08E1B80E8344166.jpg"
root = "F://"
path = root + url.split('/')[-1]

try:
    if not os.path.exists(root):
        os.mkdir(root)
    if not os.path.exists(path):
        r = requests.get(url)
        with open(path, 'wb') as f:
            f.write(r.content)
            f.close()
            print("保存文件成功")
    else:
        print("文件已存在")
except:
    print("爬取失敗")