python爬虫利器之requests库的用法(超全面的爬取网页案例)

requests库

利用pip安装:
pip install requests

基本请求

req = requests.get(\"https://www.baidu.com/\")
req = requests.post(\"https://www.baidu.com/\")
req = requests.put(\"https://www.baidu.com/\")
req = requests.delete(\"https://www.baidu.com/\")
req = requests.head(\"https://www.baidu.com/\")
req = requests.options(https://www.baidu.com/)

1.get请求

参数是字典，我们可以传递json类型的参数：

import requests
from fake_useragent import UserAgent#请求头部库
headers = {\"User-Agent\":UserAgent().random}#获取一个随机的请求头
url = \"https://www.baidu.com/s\"#网址
params={
  \"wd\":\"豆瓣\"  #网址的后缀
}

requests.get(url,headers=headers,params=params)

返回了状态码，所以我们要想获取内容，需要将其转成text：

#get请求

headers = {\"User-Agent\":UserAgent().random}
url = \"https://www.baidu.com/s\"
params={
  \"wd\":\"豆瓣\"
}

response = requests.get(url,headers=headers,params=params)
response.text

2.post 请求

参数也是字典，也可以传递json类型的参数：

import requests 
from fake_useragent import UserAgent

headers = {\"User-Agent\":UserAgent().random}

url = \"https://www.baidu.cn/index/login/login\" #登录账号密码的网址
params = {
  \"user\":\"1351351335\",#账号
  \"password\":\"123456\"#密码
}

response = requests.post(url,headers=headers,data=params)
response.text

因为这里需要一个登录的网页，我这里就随便用了一个，没有登录，所以显示的结果是这样的，如果想要测试登录的效果，请找一个登录的页面去尝试一下。

3.IP代理

采集时为避免被封IP，经常会使用代理，requests也有相应的proxies属性。

#IP代理

import requests 
from fake_useragent import UserAgent

headers = {\"User-Agent\":UserAgent().random}
url = \"http://httpbin.org/get\" #返回当前IP的网址

proxies = {
  \"http\":\"http://yonghuming:123456@192.168.1.1:8088\"#http://用户名:密码@IP:端口号
  #\"http\":\"https://182.145.31.211:4224\"# 或者IP：端口号
}

requests.get(url,headers=headers,proxies=proxies)

代理IP可以去：快代理去找，也可以去购买。
http://httpbin.org/get。这个网址是查看你现在的信息：

4.设置访问超时时间

可以通过timeout属性设置超时时间，一旦超过这个时间还没获取到响应内容，就会提示错误。

#设置访问时间
requests.get(\"http://baidu.com/\",timeout=0.1)

5.证书问题(SSLError:HTTP)

ssl验证。

import requests 
from fake_useragent import UserAgent #请求头部库

url = \"https://www.12306.cn/index/\" #需要证书的网页地址
headers = {\"User-Agent\":UserAgent().random}#获取一个随机请求头

requests.packages.urllib3.disable_warnings()#禁用安全警告
response = requests.get(url,verify=False,headers=headers)
response.encoding = \"utf-8\" #用来显示中文，进行转码
response.text

6.session自动保存cookies

import requests
from fake_useragent import UserAgent

headers = {\"User-Agent\":UserAgent().chrome}
login_url = \"https://www.baidu.cn/index/login/login\" #需要登录的网页地址
params = {
  \"user\":\"yonghuming\",#用户名
  \"password\":\"123456\"#密码
}
session = requests.Session() #用来保存cookie

#直接用session 歹意requests 
response = session.post(login_url,headers=headers,data=params)

info_url = \"https://www.baidu.cn/index/user.html\" #登录完账号密码以后的网页地址
resp = session.get(info_url,headers=headers)
resp.text

因为我这里没有使用需要账号密码的网页，所以显示这样：

我获取了一个智慧树的网页

#cookie 

import requests
from fake_useragent import UserAgent

headers = {\"User-Agent\":UserAgent().chrome}
login_url = \"https://passport.zhihuishu.com/login?service=https://onlineservice.zhihuishu.com/login/gologin\" #需要登录的网页地址
params = {
  \"user\":\"12121212\",#用户名
  \"password\":\"123456\"#密码
}
session = requests.Session() #用来保存cookie

#直接用session 歹意requests 
response = session.post(login_url,headers=headers,data=params)

info_url = \"https://onlne5.zhhuishu.com/onlinWeb.html#/stdetInex\" #登录完账号密码以后的网页地址
resp = session.get(info_url,headers=headers)
resp.encoding = \"utf-8\"
resp.text

7.获取响应信息

代码	含义
resp.json()	获取响应内容（以json字符串）
resp.text	获取相应内容（以字符串）
resp.content	获取响应内容（以字节的方式）
resp.headers	获取响应头内容
resp.url	获取访问地址
resp.encoding	获取网页编码
resp.request.headers	请求头内容
resp.cookie	获取cookie