《爬蟲學習》（三）（requests庫使用）

requests庫

雖然Python的標準庫中 urllib模塊已經包含了日常咱們使用的大多數功能，可是它的 API 使用起來讓人感受不太好，而 Requests宣傳是 「HTTP for Humans」，說明使用更簡潔方便。

安裝和文檔地址：

利用pip能夠很是方便的安裝：

pip install requests

中文文檔：http://docs.python-requests.org/zh_CN/latest/index.html
github地址：https://github.com/requests/requests

發送GET請求：

1. 最簡單的發送get請求就是經過requests.get來調用：

   response = requests.get("http://www.baidu.com/") 

2. 添加headers和查詢參數：
   若是想添加 headers，能夠傳入headers參數來增長請求頭中的headers信息。若是要將參數放在url中傳遞，能夠利用 params 參數。相關示例代碼以下：

   import requests kw = {'wd':'中國'} 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"} # params 接收一個字典或者字符串的查詢參數，字典類型自動轉換爲url編碼，不須要urlencode() response = requests.get("http://www.baidu.com/s", params = kw, headers = headers) # 查看響應內容，response.text 返回的是Unicode格式的數據 print(response.text) # 查看響應內容，response.content返回的字節流數據 print(response.content) # 查看完整url地址 print(response.url) # 查看響應頭部字符編碼 print(response.encoding) # 查看響應碼 print(response.status_code) 

發送POST請求：

1. 最基本的POST請求能夠使用post方法：

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

2. 傳入data數據：
   這時候就不要再使用urlencode進行編碼了，直接傳入一個字典進去就能夠了。好比請求拉勾網的數據的代碼：

   import requests url = "https://www.lagou.com/jobs/positionAjax.json?city=%E6%B7%B1%E5%9C%B3&needAddtionalResult=false&isSchoolJob=0" headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36', 'Referer': 'https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput=' } data = { 'first': 'true', 'pn': 1, 'kd': 'python' } resp = requests.post(url,headers=headers,data=data) # 若是是json數據，直接能夠調用json方法 print(resp.json()) 

使用代理：

使用requests添加代理也很是簡單，只要在請求的方法中（好比get或者post）傳遞proxies參數就能夠了。示例代碼以下：

import requests url = "http://httpbin.org/get" headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36', } proxy = { 'http': '171.14.209.180:27829' } resp = requests.get(url,headers=headers,proxies=proxy) with open('xx.html','w',encoding='utf-8') as fp: fp.write(resp.text) 

cookie：

若是在一個響應中包含了cookie，那麼能夠利用cookies屬性拿到這個返回的cookie值：

import requests url = "http://www.renren.com/PLogin.do" data = {"email":"970138074@qq.com",'password':"pythonspider"} resp = requests.get('http://www.baidu.com/') print(resp.cookies) print(resp.cookies.get_dict()) 

session：

以前使用urllib庫，是能夠使用opener發送多個請求，多個請求之間是能夠共享cookie的。那麼若是使用requests，也要達到共享cookie的目的，那麼能夠使用requests庫給咱們提供的session對象。注意，這裏的session不是web開發中的那個session，這個地方只是一個會話的對象而已。仍是以登陸人人網爲例，使用requests來實現。示例代碼以下：

import requests url = "http://www.renren.com/PLogin.do" data = {"email":"970138074@qq.com",'password':"pythonspider"} headers = { 'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36" } # 登陸 session = requests.session() session.post(url,data=data,headers=headers) # 訪問大鵬我的中心 resp = session.get('http://www.renren.com/880151247/profile') print(resp.text) 

處理不信任的SSL證書：

對於那些已經被信任的SSL整數的網站，好比https://www.baidu.com/，那麼使用requests直接就能夠正常的返回響應。示例代碼以下：

resp = requests.get('http://www.12306.cn/mormhweb/',verify=False)

print(resp.content.decode('utf-8'))