这篇文章主要介绍了python爬虫利器之requests库的用法(超全面的爬取网页案例),本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
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:[email protected]: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<em style="color:transparent">来源[email protected]搞@^&代*@码网</em>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 |
以上就是python爬虫利器之requests库的用法(超全面的爬取网页案例)的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：python爬虫利器之requests库的用法(超全面的爬取网页案例)
转载请注明原文链接：python爬虫利器之requests库的用法(超全面的爬取网页案例)
