爬虫之requests
Posted 王大拿
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫之requests相关的知识,希望对你有一定的参考价值。
requests
Python标准库中提供了:urllib、urllib2、httplib等模块以供Http请求,但是,它的 API 太渣了。它是为另一个时代、另一个互联网所创建的。它需要巨量的工作,甚至包括各种方法覆盖,来完成最简单的任务。
Requests 是使用 Apache2 Licensed 许可证的 基于Python开发的HTTP 库,其在Python内置模块的基础上进行了高度的封装,从而使得Pythoner进行网络请求时,变得美好了许多,使用Requests可以轻而易举的完成浏览器可有的任何操作。
一:Python的requestcontent和text的区别
结论
resp.text返回的是Unicode型的数据。
resp.content返回的是bytes型也就是二进制的数据。
实地的应用
也就是说,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。
(resp.json()返回的是json格式数据)
响应中的参数和对应的数据内容
r.status_code #响应状态码 r.raw #返回原始响应体,也就是 urllib 的 response 对象,使用 r.raw.read() 读取 r.content #字节方式的响应体,会自动为你解码 gzip 和 deflate 压缩 r.text #字符串方式的响应体,会自动根据响应头部的字符编码进行解码 r.headers #以字典对象存储服务器响应头,但是这个字典比较特殊,字典键不区分大小写,若键不存在则返回None #*特殊方法*# r.json() #Requests中内置的JSON解码器 r.raise_for_status() #失败请求(非200响应)抛出异常
1、GET请求
1.无参数的实例
#encoding=utf-8 import requests ret=requests.get(‘https://www.autohome.com.cn/news/‘) print(ret.apparent_encoding) # 打印结果如下:GB2312,此参数能够打印出网页的编码格式 ret.encoding=ret.apparent_encoding #这个是设置解析的形式,一般这样写就能够动态按照网页的编码格式来解析获取的数据 # print(ret.content) # print(ret.text) print(ret.cookies) ret1=ret.text
2.POST请求
ret1=requests.post( url=‘https://dig.chouti.com/login‘,#提交数据走那个url data={"phone": "8617701205345", "password": "huoxianyu", "oneMonth": "1"},#提交数据的内容 headers={ ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/63.0.3239.132 Safari/537.36‘ }, #请求头中添加的内容 cookies=cookies1,#cookies的值,跟着请求一起发送过去 )
3、其他请求
requests.get(url, params=None, **kwargs) requests.post(url, data=None, json=None, **kwargs) requests.put(url, data=None, **kwargs) requests.head(url, **kwargs) requests.delete(url, **kwargs) requests.patch(url, data=None, **kwargs) requests.options(url, **kwargs) # 以上方法均是在此方法的基础上构建 requests.request(method, url, **kwargs)
4、更多参数
官方文档:http://cn.python-requests.org/zh_CN/latest/user/quickstart.html#id4
BeautifulSoup
BeautifulSoup是一个模块,该模块用于接收一个HTML或XML字符串,然后将其进行格式化,之后遍可以使用他提供的方法进行快速查找指定元素,
从而使得在HTML或XML中查找指定元素变得简单。
解析HTML格式的字符串 pip3 install beautifulsoup4 soup = BeautifulSoup(‘<html>....</html>‘,"html.parser")#第一个参数就是上边通过requests获取的数据,第二个参数是解析器,公司一般用的是lxml div = soup.find(name=‘标签名‘) div = soup.find(name=‘标签名‘,id=‘i1‘) div = soup.find(name=‘标签名‘,_class=‘i1‘) div = soup.find(name=‘div‘,attrs={‘id‘:‘auto-channel-lazyload-article‘,‘class‘:‘id‘}) #第二个参数是设置这个标签中包含的属性和对应的值 div.text #打印此标签内的文本内容 div.attrs div.get(‘href‘) #获取标签内的属性 divs = soup.find_all(name=‘标签名‘) #find_all获取的数据是一个列表 divs = soup.find_all(name=‘标签名‘,id=‘i1‘) divs = soup.find_all(name=‘标签名‘,_class=‘i1‘) divs = soup.find_all(name=‘div‘,attrs={‘id‘:‘auto-channel-lazyload-article‘,‘class‘:‘id‘}) divs是列表 divs[0]
以上是关于爬虫之requests的主要内容,如果未能解决你的问题,请参考以下文章