Python 爬虫从入门到进阶之路（七）

在以前的文章中咱们一直用到的库是 urllib.request，该库已经包含了日常咱们使用的大多数功能，可是它的 API 使用起来让人感受不太好，而 Requests 自称 “HTTP for Humans”，说明使用更简洁方便。

Requests 惟一的一个非转基因的 Python HTTP 库，人类能够安全享用：）

Requests 继承了urllib2的全部特性。Requests支持HTTP链接保持和链接池，支持使用cookie保持会话，支持文件上传，支持自动肯定响应内容的编码，支持国际化的 URL 和 POST 数据自动编码。

Requests的文档很是完备，中文文档也至关不错。Requests能彻底知足当前网络的需求，支持Python 2.6—3.5，并且能在Python下完美运行。

开源地址：https://github.com/kennethreitz/requests

中文文档 API： http://docs.python-requests.org/zh_CN/latest/index.html

安装方式

利用 pip 安装 或者利用 easy_install 均可以完成安装：

$ pip install requests

$ easy_install requests

基本GET请求（headers参数 和 parmas参数）

1. 最基本的GET请求能够直接用get方法

1 import requests
2 
3 response = requests.get("http://www.baidu.com/")
4 
5 # 也能够这么写
6 # response = requests.request("get", "http://www.baidu.com/")
7 print(response)

2. 添加 headers 和 查询参数

若是想添加 headers，能够传入headers参数来增长请求头中的headers信息。若是要将参数放在url中传递，能够利用 params 参数。

 1 import requests
 2 
 3 kw = {'wd':'贴吧'}
 4 
 5 headers = {"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}
 6 
 7 # params 接收一个字典或者字符串的查询参数，字典类型自动转换为url编码，不须要urlencode()
 8 response = requests.get("http://www.baidu.com/s?", params = kw, headers = headers)
 9 
10 # 查看响应内容，response.text 返回的是Unicode格式的数据
11 print(response.text)
12 
13 # 查看响应内容，response.content返回的字节流数据
14 print(response.content)
15 print(response.content.decode("utf-8"))
16 
17 # 查看完整url地址
18 print(response.url)
19 
20 # 查看响应头部字符编码
21 print(response.encoding)
22 
23 # 查看响应码
24 print(response.status_code)

• 使用response.text 时，Requests 会基于 HTTP 响应的文本编码自动解码响应内容，大多数 Unicode 字符集都能被无缝地解码。

• 使用response.content 时，返回的是服务器响应数据的原始二进制字节流，能够用来保存图片等二进制文件。

基本POST请求（data参数）

对于 POST 请求来讲，咱们通常须要为它增长一些参数。那么最基本的传参方法能够利用 data 这个参数。

 1 import requests
 2 
 3 data = {
 4     "type": "11",
 5     "interval_id": "100:90",
 6     "start": "0",
 7     "limit": "2"
 8 }
 9 
10 url = "https://movie.douban.com/j/chart/top_list?"
11 
12 headers={ "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}
13 
14 response = requests.post(url, data = data, headers = headers)
15 
16 print(response.text)
17 
18 # 若是是json文件能够直接显示
19 print(response.json())

运行结果：

[{"rating":["9.6","50"],"rank":1,"cover_url":"https://img3.doubanio.com\/view\/photo\/s_ratio_poster\/public\/p480747492.jpg","is_playable":true,"id":"1292052","types":["犯罪","剧情"],"regions":["美国"],"title":"肖申克的救赎","url":"https:\/\/movie.douban.com\/subject\/1292052\/","release_date":"1994-09-10","actor_count":25,"vote_count":1423511,"score":"9.6","actors":["蒂姆·罗宾斯","摩根·弗里曼","鲍勃·冈顿","威廉姆·赛德勒","克兰西·布朗","吉尔·贝罗斯","马克·罗斯顿","詹姆斯·惠特摩","杰弗里·德曼","拉里·布兰登伯格","尼尔·吉恩托利","布赖恩·利比","大卫·普罗瓦尔","约瑟夫·劳格诺","祖德·塞克利拉","保罗·麦克兰尼","芮妮·布莱恩","阿方索·弗里曼","V·J·福斯特","弗兰克·梅德拉诺","马克·迈尔斯","尼尔·萨默斯","耐德·巴拉米","布赖恩·戴拉特","唐·麦克马纳斯"],"is_watched":false},{"rating":["9.6","50"],"rank":2,"cover_url":"https://img3.doubanio.com\/view\/photo\/s_ratio_poster\/public\/p1910813120.jpg","is_playable":true,"id":"1291546","types":["剧情","爱情","同性"],"regions":["中国大陆","香港"],"title":"霸王别姬","url":"https:\/\/movie.douban.com\/subject\/1291546\/","release_date":"1993-01-01","actor_count":25,"vote_count":1054313,"score":"9.6","actors":["张国荣","张丰毅","巩俐","葛优","英达","蒋雯丽","吴大维","吕齐","雷汉","尹治","马明威","费振翔","智一桐","李春","赵海龙","李丹","童弟","沈慧芬","黄斐","黄磊","冯远征","杨立新","方征","周璞","隋永清"],"is_watched":false}]

[{'rating': ['9.6', '50'], 'rank': 1, 'cover_url': 'https://img3.doubanio.com/view/photo/s_ratio_poster/public/p480747492.jpg', 'is_playable': True, 'id': '1292052', 'types': ['犯罪', '剧情'], 'regions': ['美国'], 'title': '肖申克的救赎', 'url': 'https://movie.douban.com/subject/1292052/', 'release_date': '1994-09-10', 'actor_count': 25, 'vote_count': 1423511, 'score': '9.6', 'actors': ['蒂姆·罗宾斯', '摩根·弗里曼', '鲍勃·冈顿', '威廉姆·赛德勒', '克兰西·布朗', '吉尔·贝罗斯', '马克·罗斯顿', '詹姆斯·惠特摩', '杰弗里·德曼', '拉里·布兰登伯格', '尼尔·吉恩托利', '布赖恩·利比', '大卫·普罗瓦尔', '约瑟夫·劳格诺', '祖德·塞克利拉', '保罗·麦克兰尼', '芮妮·布莱恩', '阿方索·弗里曼', 'V·J·福斯特', '弗兰克·梅德拉诺', '马克·迈尔斯', '尼尔·萨默斯', '耐德·巴拉米', '布赖恩·戴拉特', '唐·麦克马纳斯'], 'is_watched': False}, {'rating': ['9.6', '50'], 'rank': 2, 'cover_url': 'https://img3.doubanio.com/view/photo/s_ratio_poster/public/p1910813120.jpg', 'is_playable': True, 'id': '1291546', 'types': ['剧情', '爱情', '同性'], 'regions': ['中国大陆', '香港'], 'title': '霸王别姬', 'url': 'https://movie.douban.com/subject/1291546/', 'release_date': '1993-01-01', 'actor_count': 25, 'vote_count': 1054313, 'score': '9.6', 'actors': ['张国荣', '张丰毅', '巩俐', '葛优', '英达', '蒋雯丽', '吴大维', '吕齐', '雷汉', '尹治', '马明威', '费振翔', '智一桐', '李春', '赵海龙', '李丹', '童弟', '沈慧芬', '黄斐', '黄磊', '冯远征', '杨立新', '方征', '周璞', '隋永清'], 'is_watched': False}]

代理（proxies参数）

若是须要使用代理，你能够经过为任意请求方法提供 proxies 参数来配置单个请求：

1 import requests
2 
3 # 根据协议类型，选择不一样的代理
4 proxies = {
5   "https": "http://27.191.234.69:9999",
6 }
7 
8 response = requests.get("http://www.baidu.com", proxies = proxies)
9 print(response.text)

私密代理验证（特定格式） 和 Web客户端验证（auth 参数）

urllib.request 这里的作法比较复杂，requests只须要一步： 

1 import requests
2 
3 # 若是代理须要使用HTTP Basic Auth，可使用下面这种格式：
4 proxy = { "http": "user:password@27.191.234.69:9999" }
5 
6 response = requests.get("http://www.baidu.com", proxies = proxy)
7 
8 print(response.text)

web客户端验证

若是是Web客户端验证，须要添加 auth = (帐户名, 密码)

1 import requests
2 
3 auth = ('test', '123456')
4 
5 response = requests.get('http://27.191.234.69:9999', auth=auth)
6 
7 print(response.text)

Cookies 和 Sission

Cookies

若是一个响应中包含了cookie，那么咱们能够利用 cookies参数拿到：

 

 1 import requests
 2 
 3 response = requests.get("http://www.baidu.com/")
 4 
 5 # 7. 返回CookieJar对象:
 6 cookiejar = response.cookies
 7 
 8 # 8. 将CookieJar转为字典：
 9 cookiedict = requests.utils.dict_from_cookiejar(cookiejar)
10 
11 print (cookiejar)
12 
13 print (cookiedict)

Sission

在 requests 里，session对象是一个很是经常使用的对象，这个对象表明一次用户会话：从客户端浏览器链接服务器开始，到客户端浏览器与服务器断开。

会话能让咱们在跨请求时候保持某些参数，好比在同一个 Session 实例发出的全部请求之间保持 cookie 。

实现人人网登陆

 1 import requests
 2 
 3 # 1. 建立session对象，能够保存Cookie值
 4 ssion = requests.session()
 5 
 6 # 2. 处理 headers
 7 headers = {
 8     "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}
 9 
10 # 3. 须要登陆的用户名和密码
11 data = {"email": "562352353@qq.com", "password": "chen562352353"}
12 
13 # 4. 发送附带用户名和密码的请求，并获取登陆后的Cookie值，保存在ssion里
14 ssion.post("http://www.renren.com/PLogin.do", data=data)
15 
16 # 5. ssion包含用户登陆后的Cookie值，能够直接访问那些登陆后才能够访问的页面
17 response = ssion.get("http://www.renren.com/485439163")
18 
19 # 6. 打印响应内容
20 print(response.text)

处理HTTPS请求 SSL证书验证

• 要想检查某个主机的SSL证书，你可使用 verify 参数（也能够不写）

1 import requests
2 
3 response = requests.get("https://www.baidu.com/", verify=True)
4 
5 # 也能够省略不写
6 # response = requests.get("https://www.baidu.com/")
7 print(response.text)