python爬虫requests的使用

1 发送get请求获取页面

import requests

# 1 要爬取的页面地址
url = 'http://www.baidu.com'
# 2 发送get请求 拿到响应
response = requests.get(url=url)
# 3 获取响应内容文本  两种方法
html1 = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
print(html1)

response.encoding='utf8'
html2 = response.text # 用response.text 会自动选择一种方式解码 有时候会乱码，要提前设置response.encoding
print(html2)

 

 

2 发送post请求获取页面

import requests

# 1 要爬取的页面地址
url = 'http://www.baidu.com'
# 2 发送get请求 拿到响应
response = requests.post(url=url)
# 3 获取响应内容文本  两种方法
html1 = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
print(html1)

response.encoding='utf8'
html2 = response.text # 用response.text 会自动选择一种方式解码 有时候会乱码，要提前设置response.encoding
print(html2)

 

3 伪装浏览器，携带报头

import requests

# 伪装我们的报文头，加上Use-Agent 伪装成浏览器
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
    # 如果要带着cookie 可以传入cookie，也可以放在报文头当中
    #'Cookie':'这里放入cookie'
}
# 1 要爬取的页面地址
url = 'http://www.baidu.com'
# 2 发送get请求 拿到响应
response = requests.get(url=url,headers=headers)
# 3 获取响应内容文本  两种方法
html = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
print(html)

 

4 携带数据 （比如 发送请求去登陆）

import requests

# 如果伪装登录，可以传送一个字典类型数据
data = {
'''这里放入需要的key：value'''
}
# 1 要爬取的页面地址
url = 'http://www.baidu.com'
# 2 发送get请求 拿到响应 
# get请求用params  相当于在url后面拼接key=value&key=value
response = requests.get(url=url,params=data)
# post用data传入参数 携带post的数据
response = requests.post(url=url,data=data)
# 3 获取响应内容文本  两种方法
html = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
print(html) 

 

5 代理

import requests
# 将代理的服务器放入这里，key为协议类型 value为代理的ip和端口
# 发送https或者http请求会根据不同代理ip选择 为我们发送请求
proxies = {
    'http':'http://127.0.0.1:80',
    'https':'https://127.0.0.1:80'
}

# 1 要爬取的页面地址
url = 'http://www.baidu.com'
# 2 发送get请求 拿到响应
response = requests.get(url=url,proxies=proxies)
# 3 获取响应内容文本  两种方法
html = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
print(html)

 

6 携带cookie

import requests

# 如果要带着cookie字典 可以传入cookie，也可以放在报文头当中
cookies = {
    #'key':'value',
}

# 或者将cookie放在报文头当中
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
    # 如果要带着cookie 可以传入cookie，也可以放在报文头当中
    #'Cookie':'这里放入cookie'
}

# 1 要爬取的页面地址
url = 'http://www.baidu.com'
# 2 发送get请求 拿到响应
response = requests.get(url=url,cookies=cookies)
#response = requests.get(url=url,headers=headers)
# 3 获取响应内容文本  两种方法
html = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
print(html)

 

7 保持session 帮我们保存response中的session

import requests
# 获取一个session对象为我们发送请求 用法与requests对象相同
session = requests.session()

url = 'http://www.baidu.com'
#保持session发送请求
response = session.get(url=url)
# 获取页面
html = response.content.decode()
print(html)
#查看session
print(response.cookies)

 

8 设置连接超时时间

import requests
# 获取一个session对象为我们发送请求 用法与requests对象相同
session = requests.session()

url = 'http://www.baidu.com'
#保持session发送请求
response = session.get(url=url,timeout = 3) # 3秒时间为超时时间
# 获取页面
html = response.content.decode()
print(html)
#查看session
print(response.cookies)

 

9 设置ssl校验 对方https协议合法性是否忽略

import requests
# 获取一个session对象为我们发送请求 用法与requests对象相同
session = requests.session()

url = 'http://www.baidu.com'
#保持session发送请求
response = session.get(url=url,verify=False) # 不校验ssl 如果对方https协议不合法，我们忽略 继续请求
# 获取页面
html = response.content.decode()
print(html)
#查看session
print(response.cookies)

 

10 重新连接次数

import requests
from retrying import retry


@retry(stop_max_attempt_number=3) # 设置超时重新连接 次数3
def get( url ):
    response = requests.get(url=url,timeout=3)
    return response.content.decode()

url = 'http://www.baidu.com'
html = get(url)
print(html)