一、Requests库的7个主要的方法
1.request() | 构造请求,支撑以下的基础方法 |
2.get() | 获取HTML页面的主要方法,对应于http的get |
3.head() | 获取HTML页面的头部信息的主要方法,对应于http的head |
| -??以很少的流量获取索要信息的概要内容? ? |
4.post() | 向HTML提交post请求的方法,对应于http的post |
| -??向URLpost一个字典将自动编码为form(表单)? ? |
| -??向URLpost一个字符串自动编码为data? ? |
5.put() | 向HTML提交put请求的方法,对应于http的put |
6.patch() | 向HTML提交局部修改的请求,对应于http的patch |
7.delete() | 向HTML提交删除请求,对应于http的delete |
以下代码是描述的request方法中的13个控制访问参数:
- import requests
-
- # **kwargs:控制访问的参数,均为可选项,不仅仅是针对request,其他六中方法依旧适用
-
- # params:字典或字节序列,作为参数增加到URL中,可以通过该参数筛选数据
- kv = {"key1":"value1","key2":"value2"}
- r = requests.request('GET','http://python123.io/ws',params=kv)
- print(r.url)
- # https://python123.io//ws?key1=value1&key2=value2
-
- # data:字典、字节序列或文件对象,作为Request的内容;提交时,作为数据内容添加到当前的连接下
- kv = {"key1":"value1","key2":"value2"}
- r = requests.request('POST','http://python123.io/ws',params=kv)
- body = '主体内容'
- r = requests.request('POST','http://python123.io/ws',params=body)
-
- # json:JSON格式的数据,作为Request的内容
- kv = {"key1":"value1"}
- r = requests.request('POST','http://python123.io/ws',json=kv)
-
- # headers:字典,HTTP定制头,模拟需要的浏览器来进行访问
- hd = {"user-agent":"Chrome/10"}
- r = requests.request('POST','http://python123.io/ws',headers=hd)
-
- # cookies:字典或CookieJar,Request中的cookie
- # auth:元组,支持HTTP认证功能
- # files:字典类型,传输文件;将某个文件提交到连接上
- fs = {"file":open('data.xls','rb')}
- r = requests.request('POST','http://python123.io/ws',file=fs)
-
- # timeout:设定超时时间,秒为单位;在规定的时间内没有接收到响应将会显示timeout异常
- r = requests.request('POST','http://www.baidu.com',timeout=10)
-
- # proxies:字典类型,设定访问代理服务器,可以增加登录认证
- pxs = {'http':'http://user:pass@10.10.10.1:1234', #当我们进入HTTP协议的网站时增加登录认证
- 'https':'https://10.10.10.1.4321' } #当我们进入HTTPS协议的网站时,直接使用代理服务器的IP地址;可以有效掩盖爬虫的原IP地址
- r = requests.request('GET','http://python123.io/ws',proxies=pxs)
-
- # allow_redirects:True/False,默认为True,重定向开关
- # stream:True/False,默认为True,获取内容立刻下载的开关
- # verify:True/False,默认为True,认证SSL证书开关
- # cert:本地SSL证书路径
二、Response对象的属性
status_code | HTTP请求的返回状态码,200表示成功,400表示失败 |
text | HTTP响应内容的字符串形式,即URL对应的页面内容 |
encoding | 从HTTPheader中猜测的响应内容编码方式 |
| -??如果header中不存在charset,则认为编码是ISO-8859-1? ? |
apparent_encoding | 从内容中分析出的响应内容编码方式(备选编码方式) |
| -??从内容中分析出可能的编码形式? ? |
content | HTTP响应内容的二进制形式 |
- import requests
-
- #构造一个向服务器请求资源的Response对象
- r = requests.get(url="http://www.baidu.com")
-
- print(r.status_code) #打印请求状态码
- #200
- print(type(r)) #打印请求对象类型
- #<class 'requests.models.Response'>
- print(r.headers) #打印请求对象的头部信息
- #{'Cache-Control': 'private, no-cache, no-store, proxy-revalidate, no-transform', 'Connection': 'keep-alive', 'Content-Encoding': 'gzip', 'Content-Type': 'text/html', 'Date': 'Sat, 27 Jun 2020 09:03:41 GMT', 'Last-Modified': 'Mon, 23 Jan 2017 13:27:32 GMT', 'Pragma': 'no-cache', 'Server': 'bfe/1.0.8.18', 'Set-Cookie': 'BDORZ=27315; max-age=86400; domain=.baidu.com; path=/', 'Transfer-Encoding': 'chunked'}
-
- print(r.text)
- print(r.encoding) #ISO-8859-1
- print(r.apparent_encoding) #备用编码utf-8
- r.encoding = "utf-8"
- print(r.text)



直接解析会出现乱码,将字符设为apparent_encoding时会结局问题。

三、爬取网页通用代码
- try:
- r = requests.get(url,timeout=30)
- r.raise_for_status()
- r.encoding = r.apparent_encoding
- return r.text
- except:
- return "产生异常!"
作用:??r.raise_for_status()函数?
?判断当前请求返回状态码,当返回状态码不为200时,产生异常并能够被except捕获
- import requests
-
- # (定义方法)封装函数
- def getHTMLText(url):
- try:
- r = requests.get(url,timeout=30)
- r.raise_for_status()
- r.encoding = r.apparent_encoding
- return r.text
- except:
- return "代码错误,产生异常!"
-
- if __name__ =="__main__":
- url = "http://www.baidu.com"
- print(getHTMLText(url)) #正常显示爬取的页面信息
-
- if __name__ =="__main__":
- url = "www.baidu.com" #缺失了
- print(getHTMLText(url)) #代码错误,产生异常!

四、Resquests库的常见异常
requests.ConnectionError | 网络连接错误异常,如DNS查询失败、拒绝连接等 |
requests.HTTPError | HTTP错误异常 |
requests.URLRequired | URL缺失异常 |
requests.TooManyRedirects | 超过最大重定向次数,产生重定向异常 |
requests.ConnectTimeout | 连接远程服务器超时异常 |
requests.Timeout | 请求URL超时,产生超时异常 |
五、Robots协议展示
- import requests
- # (定义方法)封装函数
- def getHTMLText(url):
- try:
- r = requests.get(url,timeout=30)
- r.raise_for_status()
- r.encoding = r.apparent_encoding
- return r.text
- except:
- return "代码错误,产生异常!"
-
- if __name__ =="__main__":
- url = "http://www.baidu.com/robots.txt"
- print(getHTMLText(url)) #正常显示爬取的页面信息,显示出robots协议对于不同类型爬虫的限制

六、案例展示
1.爬取京东商品信息


在爬取后,我们发现在控制台中返回了带有??login??
?的一个href,并没有具体的信息内容。但是在爬取主页时,可以直接获取主页具体信息。个人认为是由于无法识别是否已经登陆而导致的,后续学习中会跟进知识点及解决方法。(若有大佬会的,感谢评论!)


2.爬取网上图片并保存

- import requests
- import os
-
- url = "http://image.ngchina.com.cn/2019/0523/20190523103156143.jpg"
- root = "F:/图片/" #根目录
- path = root + url.split('/')[-1] #以最后一个/后的文字命名
- try:
- if not os.path.exists(root): #如果不存在根目录文件,则创建根目录文件夹
- os.mkdir(root) #该方法只能创建一级目录,如要创建多层,可以遍历循环创建
- if not os.path.exists(path):
- r = requests.get(url)
- with open(path,'wb') as f:
- f.write(r.content) #r.content返回的是2进制编码,将其写入
- f.close()
- print("文件已成功保存!")
- else:
- print("文件已存在~")
- except:
- print("爬取失败!!!")

到此这篇关于Python爬虫Requests库的使用详情的文章就介绍到这了,更多相关Python Requests库内容请搜索w3xue以前的文章或继续浏览下面的相关文章希望大家以后多多支持w3xue!