Python 爬蟲從入門到進階之路（七）

在以前的文章中咱們一直用到的庫是 urllib.request，該庫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 自稱 「HTTP for Humans」，說明使用更簡潔方便。

Requests 惟一的一個非轉基因的 Python HTTP 庫，人類能夠安全享用：）

Requests 繼承了urllib2的全部特性。Requests支持HTTP鏈接保持和鏈接池，支持使用cookie保持會話，支持文件上傳，支持自動肯定響應內容的編碼，支持國際化的 URL 和 POST 數據自動編碼。

Requests的文檔很是完備，中文文檔也至關不錯。Requests能徹底知足當前網絡的需求，支持Python 2.6—3.5，並且能在Python下完美運行。

開源地址：https://github.com/kennethreitz/requests

中文文檔 API： http://docs.python-requests.org/zh_CN/latest/index.html

安裝方式

利用 pip 安裝 或者利用 easy_install 均可以完成安裝：

$ pip install requests

$ easy_install requests

基本GET請求（headers參數 和 parmas參數）

1. 最基本的GET請求能夠直接用get方法

1 import requests
2 
3 response = requests.get("http://www.baidu.com/")
4 
5 # 也能夠這麼寫
6 # response = requests.request("get", "http://www.baidu.com/")
7 print(response)

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。

 1 import requests
 2 
 3 kw = {'wd':'貼吧'}
 4 
 5 headers = {"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}
 6 
 7 # 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()
 8 response = requests.get("http://www.baidu.com/s?", params = kw, headers = headers)
 9 
10 # 查看響應內容，response.text 返回的是Unicode格式的數據
11 print(response.text)
12 
13 # 查看響應內容，response.content返回的字節流數據
14 print(response.content)
15 print(response.content.decode("utf-8"))
16 
17 # 查看完整url地址
18 print(response.url)
19 
20 # 查看響應頭部字符編碼
21 print(response.encoding)
22 
23 # 查看響應碼
24 print(response.status_code)

• 使用response.text 時，Requests 會基於 HTTP 響應的文本編碼自動解碼響應內容，大多數 Unicode 字符集都能被無縫地解碼。

• 使用response.content 時，返回的是服務器響應數據的原始二進制字節流，能夠用來保存圖片等二進制文件。

基本POST請求（data參數）

對於 POST 請求來講，咱們通常須要爲它增長一些參數。那麼最基本的傳參方法能夠利用 data 這個參數。

 1 import requests
 2 
 3 data = {
 4     "type": "11",
 5     "interval_id": "100:90",
 6     "start": "0",
 7     "limit": "2"
 8 }
 9 
10 url = "https://movie.douban.com/j/chart/top_list?"
11 
12 headers={ "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}
13 
14 response = requests.post(url, data = data, headers = headers)
15 
16 print(response.text)
17 
18 # 若是是json文件能夠直接顯示
19 print(response.json())

運行結果：

[{"rating":["9.6","50"],"rank":1,"cover_url":"https://img3.doubanio.com\/view\/photo\/s_ratio_poster\/public\/p480747492.jpg","is_playable":true,"id":"1292052","types":["犯罪","劇情"],"regions":["美國"],"title":"肖申克的救贖","url":"https:\/\/movie.douban.com\/subject\/1292052\/","release_date":"1994-09-10","actor_count":25,"vote_count":1423511,"score":"9.6","actors":["蒂姆·羅賓斯","摩根·弗里曼","鮑勃·岡頓","威廉姆·賽德勒","克蘭西·布朗","吉爾·貝羅斯","馬克·羅斯頓","詹姆斯·惠特摩","傑弗裏·德曼","拉里·布蘭登伯格","尼爾·吉恩託利","布賴恩·利比","大衛·普羅瓦爾","約瑟夫·勞格諾","祖德·塞克利拉","保羅·麥克蘭尼","芮妮·布萊恩","阿方索·弗里曼","V·J·福斯特","弗蘭克·梅德拉諾","馬克·邁爾斯","尼爾·薩默斯","耐德·巴拉米","布賴恩·戴拉特","唐·麥克馬納斯"],"is_watched":false},{"rating":["9.6","50"],"rank":2,"cover_url":"https://img3.doubanio.com\/view\/photo\/s_ratio_poster\/public\/p1910813120.jpg","is_playable":true,"id":"1291546","types":["劇情","愛情","同性"],"regions":["中國大陸","香港"],"title":"霸王別姬","url":"https:\/\/movie.douban.com\/subject\/1291546\/","release_date":"1993-01-01","actor_count":25,"vote_count":1054313,"score":"9.6","actors":["張國榮","張豐毅","鞏俐","葛優","英達","蔣雯麗","吳大維","呂齊","雷漢","尹治","馬明威","費振翔","智一桐","李春","趙海龍","李丹","童弟","沈慧芬","黃斐","黃磊","馮遠征","楊立新","方徵","周璞","隋永清"],"is_watched":false}]

[{'rating': ['9.6', '50'], 'rank': 1, 'cover_url': 'https://img3.doubanio.com/view/photo/s_ratio_poster/public/p480747492.jpg', 'is_playable': True, 'id': '1292052', 'types': ['犯罪', '劇情'], 'regions': ['美國'], 'title': '肖申克的救贖', 'url': 'https://movie.douban.com/subject/1292052/', 'release_date': '1994-09-10', 'actor_count': 25, 'vote_count': 1423511, 'score': '9.6', 'actors': ['蒂姆·羅賓斯', '摩根·弗里曼', '鮑勃·岡頓', '威廉姆·賽德勒', '克蘭西·布朗', '吉爾·貝羅斯', '馬克·羅斯頓', '詹姆斯·惠特摩', '傑弗裏·德曼', '拉里·布蘭登伯格', '尼爾·吉恩託利', '布賴恩·利比', '大衛·普羅瓦爾', '約瑟夫·勞格諾', '祖德·塞克利拉', '保羅·麥克蘭尼', '芮妮·布萊恩', '阿方索·弗里曼', 'V·J·福斯特', '弗蘭克·梅德拉諾', '馬克·邁爾斯', '尼爾·薩默斯', '耐德·巴拉米', '布賴恩·戴拉特', '唐·麥克馬納斯'], 'is_watched': False}, {'rating': ['9.6', '50'], 'rank': 2, 'cover_url': 'https://img3.doubanio.com/view/photo/s_ratio_poster/public/p1910813120.jpg', 'is_playable': True, 'id': '1291546', 'types': ['劇情', '愛情', '同性'], 'regions': ['中國大陸', '香港'], 'title': '霸王別姬', 'url': 'https://movie.douban.com/subject/1291546/', 'release_date': '1993-01-01', 'actor_count': 25, 'vote_count': 1054313, 'score': '9.6', 'actors': ['張國榮', '張豐毅', '鞏俐', '葛優', '英達', '蔣雯麗', '吳大維', '呂齊', '雷漢', '尹治', '馬明威', '費振翔', '智一桐', '李春', '趙海龍', '李丹', '童弟', '沈慧芬', '黃斐', '黃磊', '馮遠征', '楊立新', '方徵', '周璞', '隋永清'], 'is_watched': False}]

代理（proxies參數）

若是須要使用代理，你能夠經過爲任意請求方法提供 proxies 參數來配置單個請求：

1 import requests
2 
3 # 根據協議類型，選擇不一樣的代理
4 proxies = {
5   "https": "http://27.191.234.69:9999",
6 }
7 
8 response = requests.get("http://www.baidu.com", proxies = proxies)
9 print(response.text)

私密代理驗證（特定格式） 和 Web客戶端驗證（auth 參數）

urllib.request 這裏的作法比較複雜，requests只須要一步： 

1 import requests
2 
3 # 若是代理須要使用HTTP Basic Auth，可使用下面這種格式：
4 proxy = { "http": "user:password@27.191.234.69:9999" }
5 
6 response = requests.get("http://www.baidu.com", proxies = proxy)
7 
8 print(response.text)

web客戶端驗證

若是是Web客戶端驗證，須要添加 auth = (帳戶名, 密碼)

1 import requests
2 
3 auth = ('test', '123456')
4 
5 response = requests.get('http://27.191.234.69:9999', auth=auth)
6 
7 print(response.text)

Cookies 和 Sission

Cookies

若是一個響應中包含了cookie，那麼咱們能夠利用 cookies參數拿到：

 

 1 import requests
 2 
 3 response = requests.get("http://www.baidu.com/")
 4 
 5 # 7. 返回CookieJar對象:
 6 cookiejar = response.cookies
 7 
 8 # 8. 將CookieJar轉爲字典：
 9 cookiedict = requests.utils.dict_from_cookiejar(cookiejar)
10 
11 print (cookiejar)
12 
13 print (cookiedict)

Sission

在 requests 裏，session對象是一個很是經常使用的對象，這個對象表明一次用戶會話：從客戶端瀏覽器鏈接服務器開始，到客戶端瀏覽器與服務器斷開。

會話能讓咱們在跨請求時候保持某些參數，好比在同一個 Session 實例發出的全部請求之間保持 cookie 。

實現人人網登陸

 1 import requests
 2 
 3 # 1. 建立session對象，能夠保存Cookie值
 4 ssion = requests.session()
 5 
 6 # 2. 處理 headers
 7 headers = {
 8     "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}
 9 
10 # 3. 須要登陸的用戶名和密碼
11 data = {"email": "562352353@qq.com", "password": "chen562352353"}
12 
13 # 4. 發送附帶用戶名和密碼的請求，並獲取登陸後的Cookie值，保存在ssion裏
14 ssion.post("http://www.renren.com/PLogin.do", data=data)
15 
16 # 5. ssion包含用戶登陸後的Cookie值，能夠直接訪問那些登陸後才能夠訪問的頁面
17 response = ssion.get("http://www.renren.com/485439163")
18 
19 # 6. 打印響應內容
20 print(response.text)

處理HTTPS請求 SSL證書驗證

• 要想檢查某個主機的SSL證書，你可使用 verify 參數（也能夠不寫）

1 import requests
2 
3 response = requests.get("https://www.baidu.com/", verify=True)
4 
5 # 也能夠省略不寫
6 # response = requests.get("https://www.baidu.com/")
7 print(response.text)