requests模块

Posted 2020-10-21 Sober--

   一、requests模块介绍  

#介绍：使用requests可以模拟浏览器的请求，比起之前用到的urllib，requests模块的api更加便捷（本质就是封装了urllib3）

#注意：requests库发送请求将网页内容下载下来以后，并不会执行js代码，这需要我们自己分析目标站点然后发起新的request请求

#安装：pip3 install requests

#各种请求方式：常用的就是requests.get()和requests.post()
>>> import requests
>>> r = requests.get(\'https://api.github.com/events\')
>>> r = requests.post(\'http://httpbin.org/post\', data = {\'key\':\'value\'})
>>> r = requests.put(\'http://httpbin.org/put\', data = {\'key\':\'value\'})
>>> r = requests.delete(\'http://httpbin.org/delete\')
>>> r = requests.head(\'http://httpbin.org/get\')
>>> r = requests.options(\'http://httpbin.org/get\')

#建议在正式学习requests前，先熟悉下HTTP协议
http://www.cnblogs.com/linhaifeng/p/6266327.html

 二、基于GET请求

1.基本请求

import requests
response=requests.get(\'http://dig.chouti.com/\')
print(response.text)

2、带参数的GET请求->params

#在请求头内将自己伪装成浏览器，否则百度不会正常返回页面内容
import requests
response=requests.get(\'https://www.baidu.com/s?wd=python&pn=1\',
                      headers={
                        \'User-Agent\':\'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.75 Safari/537.36\',
                      })
print(response.text)


#如果查询关键词是中文或者有其他特殊符号，则不得不进行url编码
from urllib.parse import urlencode
wd=\'egon老师\'
encode_res=urlencode({\'k\':wd},encoding=\'utf-8\')
keyword=encode_res.split(\'=\')[1]
print(keyword)
# 然后拼接成url
url=\'https://www.baidu.com/s?wd=%s&pn=1\' %keyword

response=requests.get(url,
                      headers={
                        \'User-Agent\':\'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.75 Safari/537.36\',
                      })
res1=response.text

自己拼接GET参数

自己拼接GET参数

#上述操作可以用requests模块的一个params参数搞定，本质还是调用urlencode
from urllib.parse import urlencode
wd=\'egon老师\'
pn=1

response=requests.get(\'https://www.baidu.com/s\',
                      params={
                          \'wd\':wd,
                          \'pn\':pn
                      },
                      headers={
                        \'User-Agent\':\'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.75 Safari/537.36\',
                      })
res2=response.text

#验证结果，打开a.html与b.html页面内容一样
with open(\'a.html\',\'w\',encoding=\'utf-8\') as f:
    f.write(res1) 
with open(\'b.html\', \'w\', encoding=\'utf-8\') as f:
    f.write(res2)

params参数的使用

params参数的使用

3、带参数的GET请求->headers

#通常我们在发送请求时都需要带上请求头，请求头是将自身伪装成浏览器的关键，常见的有用的请求头如下
Host
Referer #大型网站通常都会根据该参数判断请求的来源
User-Agent #客户端
Cookie #Cookie信息虽然包含在请求头里，但requests模块有单独的参数来处理他，headers={}内就不要放它了

#添加headers(浏览器会识别请求头,不加可能会被拒绝访问,比如访问https://www.zhihu.com/explore)
import requests
response=requests.get(\'https://www.zhihu.com/explore\')
response.status_code #500


#自己定制headers
headers={
    \'User-Agent\':\'Mozilla/5.0 (Linux; android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.76 Mobile Safari/537.36\',

}
respone=requests.get(\'https://www.zhihu.com/explore\',
                     headers=headers)
print(respone.status_code) #200

4、带参数的GET请求->cookies

#登录github，然后从浏览器中获取cookies，以后就可以直接拿着cookie登录了，无需输入用户名密码
#用户名:egonlin 邮箱[e-mail] 密码lhf@123

import requests

Cookies={   \'user_session\':\'wGMHFJKgDcmRIVvcA14_Wrt_3xaUyJNsBnPbYzEL6L0bHcfc\',
}

response=requests.get(\'https://github.com/settings/emails\',
             cookies=Cookies) #github对请求头没有什么限制，我们无需定制user-agent，对于其他网站可能还需要定制


print(\'[e-mail]\' in response.text) #True

三、基于POST请求

1.介绍

#GET请求
HTTP默认的请求方法就是GET
     * 没有请求体
     * 数据必须在1K之内！
     * GET请求数据会暴露在浏览器的地址栏中

GET请求常用的操作：
       1. 在浏览器的地址栏中直接给出URL，那么就一定是GET请求
       2. 点击页面上的超链接也一定是GET请求
       3. 提交表单时，表单默认使用GET请求，但可以设置为POST


#POST请求
(1). 数据不会出现在地址栏中
(2). 数据的大小没有上限
(3). 有请求体
(4). 请求体中如果存在中文，会使用URL编码！


#！！！requests.post()用法与requests.get()完全一致，特殊的是requests.post()有一个data参数，用来存放请求体数据

2、发送post请求，模拟浏览器的登录行为

注：对于登录来说，应该输错用户名或密码然后分析抓包流程，用脑子想一想，输对了浏览器就跳转了，还分析个毛线，累死你也找不到包

\'\'\'
一 目标站点分析
    浏览器输入https://github.com/login
    然后输入错误的账号密码，抓包
    发现登录行为是post提交到：https://github.com/session
    而且请求头包含cookie
    而且请求体包含：
        commit:Sign in
        utf8:✓
        authenticity_token:lbI8IJCwGslZS8qJPnof5e7ZkCoSoMn6jmDTsL1r/m06NLyIbw7vCrpwrFAPzHMep3Tmf/TSJVoXWrvDZaVwxQ==
        login:egonlin
        password:123


二 流程分析
    先GET：https://github.com/login拿到初始cookie与authenticity_token
    返回POST：https://github.com/session， 带上初始cookie，带上请求体（authenticity_token，用户名，密码等）
    最后拿到登录cookie

    ps：如果密码时密文形式，则可以先输错账号，输对密码，然后到浏览器中拿到加密后的密码，github的密码是明文
\'\'\'

import requests
import re

#第一次请求
r1=requests.get(\'https://github.com/login\')
r1_cookie=r1.cookies.get_dict() #拿到初始cookie(未被授权)
authenticity_token=re.findall(r\'name="authenticity_token".*?value="(.*?)"\',r1.text)[0] #从页面中拿到CSRF TOKEN

#第二次请求：带着初始cookie和TOKEN发送POST请求给登录页面，带上账号密码
data={
    \'commit\':\'Sign in\',
    \'utf8\':\'✓\',
    \'authenticity_token\':authenticity_token,
    \'login\':\'[e-mail]\',
    \'password\':\'alex3714\'
}
r2=requests.post(\'https://github.com/session\',
             data=data,
             cookies=r1_cookie
             )


login_cookie=r2.cookies.get_dict()


#第三次请求：以后的登录，拿着login_cookie就可以,比如访问一些个人配置
r3=requests.get(\'https://github.com/settings/emails\',
                cookies=login_cookie)

print(\'[e-mail]\' in r3.text) #True

自动登录github（自己处理cookie信息）

自动登录github（自己处理cookie信息）

import requests
import re

session=requests.session()
#第一次请求
r1=session.get(\'https://github.com/login\')
authenticity_token=re.findall(r\'name="authenticity_token".*?value="(.*?)"\',r1.text)[0] #从页面中拿到CSRF TOKEN

#第二次请求
data={
    \'commit\':\'Sign in\',
    \'utf8\':\'✓\',
    \'authenticity_token\':authenticity_token,
    \'login\':\'[e-mail]\',
    \'password\':\'alex3714\'
}
r2=session.post(\'https://github.com/session\',
             data=data,
             )

#第三次请求
r3=session.get(\'https://github.com/settings/emails\')

print(\'[e-mail]\' in r3.text) #True

requests.session()自动帮我们保存cookie信息

requests.session()自动帮我们保存cookie信息

注意：

re.compile() 可以把正则表达式编译成一个正则表达式对象.

re.findall() 方法读取html 中包含 imgre（正则表达式）的数据。

r.text和r.content的区别是什么呢?

r.text是unicode编码的响应内容(r.text is the content of the response in unicode),
r.content是字符编码的响应内容(r.content is the content of the response in bytes);
text属性会尝试按照encoding属性自动将响应的内容进行转码后返回,如果encoding为None,requests会按照chardet(这是什么?)猜测正确的编码;如果你想取文本,可以通过r.text, 如果想取图片,文件,则可以通过r.content(这点我现在也不是很明白).针对响应内容是二进制文件(如图片)的场景,content属性获取响应的原始内容(以字节为单位)

示例：登录github

import requests
import re
#第一次请求
    # GET请求
    # 请求头
    #    - 获取token和
    #    - User-agent
    #    - cookie
# 第二次请求
    #POST请求
    #请求头
        # referer
        # User-agent
    #请求体
        #获取data
# 第三次请求，登录成功之后
    #- 请求之前自己先登录一下，看一下有没有referer
    #- 请求新的url，进行其他操作
    #- 查看用户名在不在里面
#第一次请求
response1 = requests.get(
    "https://github.com/login",
    headers = {
        "User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36",
    },
)
authenticity_token = re.findall(\'name="authenticity_token".*?value="(.*?)"\',response1.text,re.S)
r1_cookies =  response1.cookies.get_dict()
# print(r1_cookies,"cookie")  #获取到的cookie

#第二次请求
response2 = requests.post(
    "https://github.com/session",
    headers = {
        "Referer": "https://github.com/",
        "User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36",
    },
    data={
            "commit":"Sign in",
            "utf8":"✓",
            "authenticity_token":authenticity_token,
            "login":"oridn",
            "password":"xxxx",
zhy..azjash1234
    },
    cookies = r1_cookies
)
print(response2.status_code)
print(response2.history)  #跳转的历史状态码

#第三次请求，登录成功之后，访问其他页面
r2_cookies = response2.cookies.get_dict()  #拿上cookie，知道是你登录了，就开始访问页面
response3 = requests.get(
    "https://github.com/settings/emails",
    headers = {
        "Referer": "https://github.com/",
        "User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36",
    },
    cookies = r2_cookies,
)
print(response3.text)
print("oridn" in response3.text)   #True返回True说明就成功了

3.补充

requests.post(url=\'xxxxxxxx\',
              data={\'xxx\':\'yyy\'}) #没有指定请求头,#默认的请求头:application/x-www-form-urlencoed

#如果我们自定义请求头是application/json,并且用data传值, 则服务端取不到值
requests.post(url=\'\',
              data={\'\':1,},
              headers={
                  \'content-type\':\'application/json\'
              })


requests.post(url=\'\',
              json={\'\':1,},
              ) #默认的请求头:application/json