爬虫概念以及requests的介绍

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫概念以及requests的介绍相关的知识,希望对你有一定的参考价值。

参考技术A 网络爬虫是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。
爬虫的用途:爬取的数据可以用作机器学习的数据集;竞争对手监控;舆情监控等。
爬虫可分为3个部分,分别为数据爬取(requests、urllib、pycurl),数据解析,数据存储。

requests库特点:简单、简洁,是python的第三方库,也是网络爬虫常用的库。
requests库安装方法:pip install requests

requests.get(url,params=None,**kwargs)构造一个向服务器请求资源的Request对象,返回一个包含服务器资源的Response对象。
url:获取页面的url链接
params:url中的额外参数,字典或字节流格式,可选
**kwargs:2个控制访问的参数
Response对象的属性:

scrapy框架中的Request对象以及Response对象的介绍python爬虫入门进阶(19)

您好,我是码农飞哥,感谢您阅读本文,欢迎一键三连哦
😁 1. 社区逛一逛,周周有福利,周周有惊喜。码农飞哥社区,飞跃计划
💪🏻 2. Python基础专栏,基础知识一网打尽,9.9元买不了吃亏,买不了上当。 Python从入门到精通
❤️ 3. Python爬虫专栏,系统性的学习爬虫的知识点。9.9元买不了吃亏,买不了上当,持续更新中 。python爬虫入门进阶
❤️ 4. Ceph实战,从原理到实战应有尽有。 Ceph实战
❤️ 5. Java高并发编程入门,打卡学习Java高并发。 Java高并发编程入门
关注下方公众号,众多福利免费嫖;加我VX进群学习,学习的路上不孤单

文章目录

前言

这篇文章主要是简单介绍一下Request对象以及Response对象。

Request对象

Request对象主要是用来请求数据,爬取一页的数据重新发送一个请求的时候调用,其源码类的位置如下图所示:

这里给出其的源码,该方法有很多参数。

class Request(object_ref):

    def __init__(self, url, callback=None, method='GET', headers=None, body=None,
                 cookies=None, meta=None, encoding='utf-8', priority=0,
                 dont_filter=False, errback=None, flags=None, cb_kwargs=None):

        self._encoding = encoding  # this one has to be set first
        self.method = str(method).upper()
        self._set_url(url)
        self._set_body(body)
        if not isinstance(priority, int):
            raise TypeError(f"Request priority not an integer: priority!r")
        self.priority = priority

        if callback is not None and not callable(callback):
            raise TypeError(f'callback must be a callable, got type(callback).__name__')
        if errback is not None and not callable(errback):
            raise TypeError(f'errback must be a callable, got type(errback).__name__')
        self.callback = callback
        self.errback = errback

        self.cookies = cookies or 
        self.headers = Headers(headers or , encoding=encoding)
        self.dont_filter = dont_filter

        self._meta = dict(meta) if meta else None
        self._cb_kwargs = dict(cb_kwargs) if cb_kwargs else None
        self.flags = [] if flags is None else list(flags)

这里对各个做一个简单的解释:

  1. url :这个request对象发送请求的url。
  2. callback: 在下载器下载相应的数据后执行的回调函数。
  3. method:请求的方法,默认为GET方法,可以设置为其他方法。
  4. headers:请求头,对于一些固定的设置,放在settings.py中指定就可以了, 对于那些非固定的,可以在发送请求的时候指定。
  5. body:请求体,传入的是请求参数。
  6. meta:比较常用。用于在不同的请求之间传递数据用。
  7. encoding:编码。默认为utf-8,使用默认的就可以了。
  8. dont_filter: 表示不由调度器过滤,在执行多次重复的请求的时候用得比较多。
  9. errback:在发生错误的是有执行的函数。

发送POST请求

有时候我们想要在请求数据的时候发送post请求,那么这时候需要使用Request的子类FormRequest来实现。如果想要在爬虫一开始就发送POST请求,那么需要在爬虫类中重写start_requests(self) 方法,并且不在调用 start_urls 里的url。

Response对象

Response对象一般是由scrapy给你自动构建的,因此开发者不需要关心如何创建Response对象。而是如何使用它。Response对象有很多属性,可以用来提取数据的。主要有以下属性:

  1. meta: 从其他请求传过来的meta属性,可以用来保持多个请求之间的数据连接。
  2. encoding: 返回字符串编码和解码的格式。
  3. text: 将返回来的数据作为unicode字符串返回
  4. body: 将返回来的数据作为bytes 字符串返回。
  5. xpath: xpath 选择器
  6. css : css选择器。

总结

本文简单的介绍了下scrapy框架中的Request对象以及Response对象。

粉丝专属福利

软考资料:实用软考资料

面试题:5G 的Java面试题

学习资料:50G的各类学习资料

脱单秘籍:回复【脱单】

并发编程:回复【并发编程】

											👇🏻 验证码 可通过搜索下方 公众号 获取👇🏻 

以上是关于爬虫概念以及requests的介绍的主要内容,如果未能解决你的问题,请参考以下文章

全方面的掌握Requests库的使用【python爬虫入门进阶】(02)

scrapy框架中的Request对象以及Response对象的介绍python爬虫入门进阶(19)

爬虫之requests介绍

python爬虫项目(新手教程)之知乎(requests方式)

python-爬虫之requests模块介绍(登陆github)

爬虫的概述以及使用(request发送请求)