大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
使用requests库怎么实现一个python爬虫?相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。
创新互联专注于企业成都全网营销、网站重做改版、旬阳网站定制设计、自适应品牌网站建设、H5开发、电子商务商城网站建设、集团公司官网建设、成都外贸网站制作、高端网站制作、响应式网页设计等建站业务,价格优惠性价比高,为旬阳等各大城市提供网站开发制作服务。利用pip安装:pip install requests
基本请求
req = requests.get("https://www.baidu.com/") req = requests.post("https://www.baidu.com/") req = requests.put("https://www.baidu.com/") req = requests.delete("https://www.baidu.com/") req = requests.head("https://www.baidu.com/") req = requests.options(https://www.baidu.com/)
参数是字典,我们可以传递json类型的参数:
import requests from fake_useragent import UserAgent#请求头部库 headers = {"User-Agent":UserAgent().random}#获取一个随机的请求头 url = "https://www.baidu.com/s"#网址 params={ "wd":"豆瓣" #网址的后缀 } requests.get(url,headers=headers,params=params)
返回了状态码,所以我们要想获取内容,需要将其转成text:
#get请求 headers = {"User-Agent":UserAgent().random} url = "https://www.baidu.com/s" params={ "wd":"豆瓣" } response = requests.get(url,headers=headers,params=params) response.text
参数也是字典,也可以传递json类型的参数:
import requests from fake_useragent import UserAgent headers = {"User-Agent":UserAgent().random} url = "https://www.baidu.cn/index/login/login" #登录账号密码的网址 params = { "user":"1351351335",#账号 "password":"123456"#密码 } response = requests.post(url,headers=headers,data=params) response.text
因为这里需要一个登录的网页,我这里就随便用了一个,没有登录,所以显示的结果是这样的,如果想要测试登录的效果,请找一个登录的页面去尝试一下。
采集时为避免被封IP,经常会使用代理,requests也有相应 的proxies属性。
#IP代理 import requests from fake_useragent import UserAgent headers = {"User-Agent":UserAgent().random} url = "http://httpbin.org/get" #返回当前IP的网址 proxies = { "http":"http://yonghuming:123456@192.168.1.1:8088"#http://用户名:密码@IP:端口号 #"http":"https://182.145.31.211:4224"# 或者IP:端口号 } requests.get(url,headers=headers,proxies=proxies)
代理IP可以去:快代理去找,也可以去购买。
http://httpbin.org/get。这个网址是查看你现在的信息:
可以通过timeout属性设置超时时间,一旦超过这个时间还没获取到响应内容,就会提示错误。
#设置访问时间 requests.get("http://baidu.com/",timeout=0.1)
ssl验证。
import requests from fake_useragent import UserAgent #请求头部库 url = "https://www.12306.cn/index/" #需要证书的网页地址 headers = {"User-Agent":UserAgent().random}#获取一个随机请求头 requests.packages.urllib3.disable_warnings()#禁用安全警告 response = requests.get(url,verify=False,headers=headers) response.encoding = "utf-8" #用来显示中文,进行转码 response.text
import requests from fake_useragent import UserAgent headers = {"User-Agent":UserAgent().chrome} login_url = "https://www.baidu.cn/index/login/login" #需要登录的网页地址 params = { "user":"yonghuming",#用户名 "password":"123456"#密码 } session = requests.Session() #用来保存cookie #直接用session 歹意requests response = session.post(login_url,headers=headers,data=params) info_url = "https://www.baidu.cn/index/user.html" #登录完账号密码以后的网页地址 resp = session.get(info_url,headers=headers) resp.text
因为我这里没有使用需要账号密码的网页,所以显示这样:
我获取了一个智慧树的网页
#cookie import requests from fake_useragent import UserAgent headers = {"User-Agent":UserAgent().chrome} login_url = "https://passport.zhihuishu.com/login?service=https://onlineservice.zhihuishu.com/login/gologin" #需要登录的网页地址 params = { "user":"12121212",#用户名 "password":"123456"#密码 } session = requests.Session() #用来保存cookie #直接用session 歹意requests response = session.post(login_url,headers=headers,data=params) info_url = "https://onlne5.zhhuishu.com/onlinWeb.html#/stdetInex" #登录完账号密码以后的网页地址 resp = session.get(info_url,headers=headers) resp.encoding = "utf-8" resp.text
代码 | 含义 |
---|---|
resp.json() | 获取响应内容 (以json字符串) |
resp.text | 获取相应内容(以字符串) |
resp.content | 获取响应内容(以字节的方式) |
resp.headers | 获取响应头内容 |
resp.url | 获取访问地址 |
resp.encoding | 获取网页编码 |
resp.request.headers | 请求头内容 |
resp.cookie | 获取cookie |
看完上述内容,你们掌握使用requests库怎么实现一个python爬虫的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注创新互联行业资讯频道,感谢各位的阅读!