Python入门必学2个重点及精髓-Requests库~正则基本使用（上）

Posted 2021-02-06

作为一种便捷地收集网上信息并从中抽取出可用信息的方式，网络爬虫技术变得越来越有用。使用Python这样的简单编程语言，你可以使用少量编程技能就可以爬取复杂的网站。

如果手机上显示代码错乱，请分享到QQ或者其他地方，用电脑查看！！！

python能干的东西有很多，这里不再过多叙述，直接重点干货。

什么是Requests

Requests是用python语言基于urllib编写的，采用的是Apache2 Licensed开源协议的HTTP库

如果你看过上篇文章关于urllib库的使用，你会发现，其实urllib还是非常不方便的，而Requests它会比urllib更加方便，可以节约我们大量的工作。（用了requests之后，你基本都不愿意用urllib了）一句话，requests是python实现的最简单易用的HTTP库，建议爬虫使用requests库。

python学习关注我们企鹅qun： 8393 837 65 各类入门学习资料免费分享哦！

默认安装好python之后，是没有安装requests模块的，需要单独通过pip安装

requests功能详解

总体功能的一个演示

<pre >import requests

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

print(type(response))

print(response.status_code)

print(type(response.text))

print(response.text)

print(response.cookies)

print(response.content)

print(response.content.decode("utf-8"))</pre>

我们可以看出response使用起来确实非常方便，这里有个问题需要注意一下：

很多情况下的网站如果直接response.text会出现乱码的问题，所以这个使用response.content

这样返回的数据格式其实是二进制格式，然后通过decode转换为utf-8，这样就解决了通过response.text直接返回显示乱码的问题.

请求发出后，Requests 会基于 HTTP 头部对响应的编码作出有根据的推测。当你访问 response.text 之时，Requests 会使用其推测的文本编码。你可以找出 Requests 使用了什么编码，并且能够使用 r.encoding 属性来改变它.如：

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

response.encoding="utf-8"

print(response.text)</pre>

不管是通过response.content.decode("utf-8)的方式还是通过response.encoding="utf-8"的方式都可以避免乱码的问题发生

各种请求方式

requests里提供个各种请求方式

<pre >import requests

requests.post("http://httpbin.org/post")

requests.put("http://httpbin.org/put")

requests.delete("http://httpbin.org/delete")

requests.head("http://httpbin.org/get")

requests.options("http://httpbin.org/get")</pre>;

请求

基本GET请求

<pre >import requests

response = requests.get(‘

print(response.text)</pre>

带参数的GET请求，例子1

<pre >import requests

response = requests.get("

print(response.text)</pre>

如果我们想要在URL查询字符串传递数据，通常我们会通过httpbin.org/get?key=val方式传递。Requests模块允许使用params关键字传递参数，以一个字典来传递这些参数，例子如下：

<pre >import requests

data = {

"name":"zhaofan",

"age":22

}

response = requests.get("http://httpbin.org/get",params=data)

print(response.url)

print(response.text)</pre>

上述两种的结果是相同的，通过params参数传递一个字典内容，从而直接构造url

注意：第二种方式通过字典的方式的时候，如果字典中的参数为None则不会添加到url上

解析json

<pre >import requests

import json

response = requests.get("http://httpbin.org/get")

print(type(response.text))

print(response.json)

print(json.loads(response.text))

print(type(response.json))</pre>

从结果可以看出requests里面集成的json其实就是执行了json.loads方法，两者的结果是一样的

获取二进制数据

在上面提到了response.content，这样获取的数据是二进制数据，同样的这个方法也可以用于下载图片以及

视频资源

添加headers

和前面我们将urllib模块的时候一样，我们同样可以定制headers的信息，如当我们直接通过requests请求知乎网站的时候，默认是无法访问的

<pre >import requests

response =requests.get("

print(response.text)</pre>

这样会得到如下的错误

因为访问知乎需要头部信息，这个时候我们在谷歌浏览器里输入chrome://version,就可以看到用户代理，将用户代理添加到头部信息

<pre >import requests

headers = {

"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_4) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/58.0.3029.110 Safari/537.36"

}

response =requests.get("https://www.zhihu.com",headers=headers)

print(response.text)</pre>

这样就可以正常的访问知乎了

基本POST请求

通过在发送post请求时添加一个data参数，这个data参数可以通过字典构造成，这样

对于发送post请求就非常方便

<pre >import requests

data = {

"name":"zhaofan",

"age":23

}

response = requests.post("http://httpbin.org/post",data=data)

print(response.text)</pre>

同样的在发送post请求的时候也可以和发送get请求一样通过headers参数传递一个字典类型的数据

响应

我们可以通过response获得很多属性，例子如下

<pre >import requests

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

print(type(response.status_code),response.status_code)

print(type(response.headers),response.headers)

print(type(response.cookies),response.cookies)

print(type(response.url),response.url)

print(type(response.history),response.history)</pre>

结果如下：

状态码判断

Requests还附带了一个内置的状态码查询对象

主要有如下内容：

100: (‘continue‘,),

101: (‘switching_protocols‘,),

102: (‘processing‘,),

103: (‘checkpoint‘,),

122: (‘uri_too_long‘, ‘request_uri_too_long‘),

200: (‘ok‘, ‘okay‘, ‘all_ok‘, ‘all_okay‘, ‘all_good‘, ‘o/‘, ‘?‘),

201: (‘created‘,),

202: (‘accepted‘,),

203: (‘non_authoritative_info‘, ‘non_authoritative_information‘),

204: (‘no_content‘,),

205: (‘reset_content‘, ‘reset‘),

206: (‘partial_content‘, ‘partial‘),

207: (‘multi_status‘, ‘multiple_status‘, ‘multi_stati‘, ‘multiple_stati‘),

208: (‘already_reported‘,),

226: (‘im_used‘,),

Redirection.

300: (‘multiple_choices‘,),

301: (‘moved_permanently‘, ‘moved‘, ‘o-‘),

302: (‘found‘,),

303: (‘see_other‘, ‘other‘),

304: (‘not_modified‘,),

305: (‘use_proxy‘,),

306: (‘switch_proxy‘,),

307: (‘temporary_redirect‘, ‘temporary_moved‘, ‘temporary‘),

308: (‘permanent_redirect‘,

‘resume_incomplete‘, ‘resume‘,), # These 2 to be removed in 3.0

Client Error.

400: (‘bad_request‘, ‘bad‘),

401: (‘unauthorized‘,),

402: (‘payment_required‘, ‘payment‘),

403: (‘forbidden‘,),

404: (‘not_found‘, ‘-o-‘),

405: (‘method_not_allowed‘, ‘not_allowed‘),

406: (‘not_acceptable‘,),

407: (‘proxy_authentication_required‘, ‘proxy_auth‘, ‘proxy_authentication‘),

408: (‘request_timeout‘, ‘timeout‘),

409: (‘conflict‘,),

410: (‘gone‘,),

411: (‘length_required‘,),

412: (‘precondition_failed‘, ‘precondition‘),

413: (‘request_entity_too_large‘,),

414: (‘request_uri_too_large‘,),

415: (‘unsupported_media_type‘, ‘unsupported_media‘, ‘media_type‘),

416: (‘requested_range_not_satisfiable‘, ‘requested_range‘, ‘range_not_satisfiable‘),

417: (‘expectation_failed‘,),

418: (‘im_a_teapot‘, ‘teapot‘, ‘i_am_a_teapot‘),

421: (‘misdirected_request‘,),

422: (‘unprocessable_entity‘, ‘unprocessable‘),

423: (‘locked‘,),

424: (‘failed_dependency‘, ‘dependency‘),

425: (‘unordered_collection‘, ‘unordered‘),

426: (‘upgrade_required‘, ‘upgrade‘),

428: (‘precondition_required‘, ‘precondition‘),

429: (‘too_many_requests‘, ‘too_many‘),

431: (‘header_fields_too_large‘, ‘fields_too_large‘),

444: (‘no_response‘, ‘none‘),

449: (‘retry_with‘, ‘retry‘),

450: (‘blocked_by_windows_parental_controls‘, ‘parental_controls‘),

451: (‘unavailable_for_legal_reasons‘, ‘legal_reasons‘),

499: (‘client_closed_request‘,),

Server Error.

500: (‘internal_server_error‘, ‘server_error‘, ‘/o‘, ‘?‘),

501: (‘not_implemented‘,),

502: (‘bad_gateway‘,),

503: (‘service_unavailable‘, ‘unavailable‘),

504: (‘gateway_timeout‘,),

505: (‘http_version_not_supported‘, ‘http_version‘),

506: (‘variant_also_negotiates‘,),

507: (‘insufficient_storage‘,),

509: (‘bandwidth_limit_exceeded‘, ‘bandwidth‘),

510: (‘not_extended‘,),

511: (‘network_authentication_required‘, ‘network_auth‘, ‘network_authentication‘),

通过下面例子测试：（不过通常还是通过状态码判断更方便）

<pre >import requests

response= requests.get("

if response.status_code == requests.codes.ok:

print("访问成功")</pre>

requests高级用法

文件上传

实现方法和其他参数类似，也是构造一个字典然后通过files参数传递

<pre >import requests

files= {"files":open("git.jpeg","rb")}

response = requests.post("

print(response.text)</pre>

结果如下：

获取cookie

<pre >import requests

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

print(response.cookies)

for key,value in response.cookies.items:

print(key+"="+value)</pre>

会话维持

cookie的一个作用就是可以用于模拟登陆，做会话维持

<pre >import requests

s = requests.Session

s.get("http://httpbin.org/cookies/set/number/123456")

response = s.get("http://httpbin.org/cookies")print(response.text)</pre>;

这是正确的写法，而下面的写法则是错误的

<pre >import requests

requests.get("http://httpbin.org/cookies/set/number/123456")

response = requests.get("

print(response.text)</pre>

因为这种方式是两次requests请求之间是独立的，而第一次则是通过创建一个session对象，两次请求都通过这个对象访问

证书验证

现在的很多网站都是https的方式访问，所以这个时候就涉及到证书的问题

<pre >import requests

response = requests.get("https:/

print(response.status_code)</pre>

默认的12306网站的证书是不合法的，这样就会提示如下错误

为了避免这种情况的发生可以通过verify=False

但是这样是可以访问到页面，但是会提示：

InsecureRequestWarning: Unverified HTTPS request is being made. Adding certificate verification is strongly advised. See: https://urllib3.readthedocs.io/en/latest/advanced-usage.html#ssl-warnings InsecureRequestWarning)

解决方法为：

<pre >import requestsfrom requests.packages import urllib3

urllib3.disable_warnings

response = requests.get("

print(response.status_code)</pre>

这样就不会提示警告信息，当然也可以通过cert参数放入证书路径

代理设置

<pre >import requests

proxies= {

"http":"http://127.0.0.1:9999",

"https":"http://127.0.0.1:8888"

}

response = requests.get("https://www.baidu.com",proxies=proxies)

print(response.text)</pre>

如果代理需要设置账户名和密码,只需要将字典更改为如下：

proxies = {

"http":"http://user:[email protected]:9999"

}

如果你的代理是通过sokces这种方式则需要pip install "requests[socks]"

proxies= {

"http":"socks5://127.0.0.1:9999",

"https":"sockes5://127.0.0.1:8888"

}

未完，下篇继续更新~

注：python学习关注我们企鹅qun： 839383765 各类入门学习资料免费分享哦！