爬虫概念以及requests的介绍

Posted 2023-04-23

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
  • Request对象
  • • 发送POST请求
  • Response对象
  • 总结
  • 粉丝专属福利

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👇🏻