爬虫之requests库

Posted 2020-11-26 zqxfly

想用selenium实现B站自动登录以及点赞等功能，便查阅如何解决滑动解锁，然而是有关爬虫的内容，便开始学习爬虫，没过多久又想把记录自己生活的网站做起来，朋友便推荐了layui框架倒腾了一晚上自我觉得是做给后端程序员入门的框架，Vue又感觉太难，便开始搞bootstrap，没搞出个所以然来。因为闲着心情烦躁便开始重新学习爬虫。每次写点文章总是碎碎念一段，有人在评论去区说我矫情，是真的。

http请求返回response对象属性

 编码问题

import requests
r=requests.get(‘http://www.baidu.com/‘)
r.encoding=‘gbk‘ 或  r.encoding=r.apparent_encoding
 #百度返回的页面内容为ISO-8859-1编码的，如果不设置成gbk则乱码
print(response.text)

 requests的库异常处理

 

requests库的主要方法

1 import requests
2 r = requests.get(‘https://www.cnblogs.com/‘)
3 r = requests.head(‘http://httpbin.org/get‘)
4 r = requests.post(‘http://httpbin.org/post‘,key=‘value‘)
5 r = requests.put(‘http://httpbin.org/put‘,key=‘value‘)
6 r = requests.patch(‘http://httpbin.org/patch‘,key=‘value‘)
7 r = requests.options(‘http://httpbin.org/get‘)
8 r = requests.delete(‘http://httpbin.org/delete‘)

爬取网页通用框架

 1 import requests
 2 def get_html(url):
 3     try:
 4         r = requests.get(url,timeout=30)
 5         r.raise_for_status()
 6         r.encoding=r.apparent_encoding
 7         return r.text
 8     except:
 9         return "产生异常"
10 
11 if __name__=="__main__":
12     url = "http://www.baidu.com"
13     print(get_Html(url))

几个小案例

案例一 京东商品爬取
import requests
url = ‘https://item.jd.com/100010131982.html‘
try:
    r = requests.get(url)
    r.raise_for_status()
    r.encoding=r.apparent_encoding 
    print(r.text[:1000]) #1000代表截取前1000个字符
except:
    print("爬取失败")
案例二 亚马逊
import requests
url = ‘https://www.amazon.cn/dp/B08531C6PV/ref=s9_acsd_hps_bw_c2_x_1_i?pf_rd_m=A1U5RCOVU0NYF2&pf_rd_s=merchandised-search-top-3&pf_rd_r=XXHRT6R61ZYZA5FGMPKJ&pf_rd_t=101&pf_rd_p=b2e55b79-7940-4444-967a-6dbe6d7cb574&pf_rd_i=1935403071‘
try:
    kv = {‘user-agent‘:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.117 Safari/537.36‘} #模拟浏览器
    r= requests.get(url,headers = kv)
    r.raise_for_status()
    r.encoding=r.apparent_encoding
    print(r.text[1000:2000])
except:
    print("爬取失败")
案例三 百度
import requests
kv = {‘wd‘:‘python‘}
r = requests.get(‘http://www.baidu.com/s‘,params=kv)
print(r.requests.url)
print(len(r.text))

等学到新的就来更新，我记得刚学的时候我就开始爬贴吧了，现在老老实实看基础了

---

未完待续！