Python爬虫----Requests库（python爬虫requests库安装）

Python爬虫----Requests库（python爬虫requests库安装）

Python爬虫----Requests库

目录：

​​一、Requests库的7个主要的方法​​

​​​二、Response对象的属性​​

​​​三、爬取网页通用代码（异常）​​

​​​四、Resquests库的常见异常​​

​​​五、Robots协议展示​​​​六、案例展示​​

Requests库

一、Requests库的7个主要的方法：

以下代码是描述的request方法中的13个控制访问参数：

import requests# **kwargs:控制访问的参数，均为可选项，不仅仅是针对request，其他六中方法依旧适用# params：字典或字节序列，作为参数增加到URL中，可以通过该参数筛选数据kv = {"key1":"value1","key2":"value2"}r = requests.request('GET','data：字典、字节序列或文件对象，作为Request的内容;提交时，作为数据内容添加到当前的连接下kv = {"key1":"value1","key2":"value2"}r = requests.request('POST','= '主体内容'r = requests.request('POST','json：JSON格式的数据，作为Request的内容kv = {"key1":"value1"}r = requests.request('POST','headers：字典，HTTP定制头,模拟需要的浏览器来进行访问hd = {"user-agent":"Chrome/10"}r = requests.request('POST','cookies：字典或CookieJar，Request中的cookie# auth：元组，支持HTTP认证功能# files：字典类型，传输文件;将某个文件提交到连接上fs = {"file":open('data.xls','rb')}r = requests.request('POST','timeout：设定超时时间，秒为单位;在规定的时间内没有接收到响应将会显示timeout异常r = requests.request('POST','proxies：字典类型，设定访问代理服务器，可以增加登录认证pxs = {' #当我们进入HTTP协议的网站时增加登录认证 '} #当我们进入HTTPS协议的网站时，直接使用代理服务器的IP地址；可以有效掩盖爬虫的原IP地址r = requests.request('GET','allow_redirects：True/False，默认为True，重定向开关# stream：True/False，默认为True，获取内容立刻下载的开关# verify：True/False，默认为True，认证SSL证书开关# cert：本地SSL证书路径

​​返回顶部​​

二、Response对象的属性：

import requests#构造一个向服务器请求资源的Response对象r = requests.get(url=" #打印请求状态码#200print(type(r)) #打印请求对象类型#print(r.headers) #打印请求对象的头部信息#{'Cache-Control': 'private, no-cache, no-store, proxy-revalidate, no-transform', 'Connection': 'keep-alive', 'Content-Encoding': 'gzip', 'Content-Type': 'text/html', 'Date': 'Sat, 27 Jun 2020 09:03:41 GMT', 'Last-Modified': 'Mon, 23 Jan 2017 13:27:32 GMT', 'Pragma': 'no-cache', 'Server': 'bfe/1.0.8.18', 'Set-Cookie': 'BDORZ=27315; max-age=86400; domain=.baidu.com; path=/', 'Transfer-Encoding': 'chunked'}print(r.text)print(r.encoding) #ISO-8859-1print(r.apparent_encoding) #备用编码utf-8r.encoding = "utf-8"print(r.text)

直接解析会出现乱码，将字符设为apparent_encoding时会结局问题。

​​返回顶部​​

三、爬取网页通用代码

try: r = requests.get(url,timeout=30) r.raise_for_status() r.encoding = r.apparent_encoding return r.text except: return "产生异常！"

作用：​​r.raise_for_status()函数​​判断当前请求返回状态码，当返回状态码不为200时，产生异常并能够被except捕获

import requests# （定义方法）封装函数def getHTMLText(url): try: r = requests.get(url,timeout=30) r.raise_for_status() r.encoding = r.apparent_encoding return r.text except: return "代码错误，产生异常！"if __name__ =="__main__": url = " print(getHTMLText(url)) #正常显示爬取的页面信息if __name__ =="__main__": url = "baidu.com" #缺失了 print(getHTMLText(url)) #代码错误，产生异常！

​​返回顶部​​

四、Resquests库的常见异常

​​返回顶部​​

五、Robots协议展示

import requests# （定义方法）封装函数def getHTMLText(url): try: r = requests.get(url,timeout=30) r.raise_for_status() r.encoding = r.apparent_encoding return r.text except: return "代码错误，产生异常！"if __name__ =="__main__": url = " print(getHTMLText(url)) #正常显示爬取的页面信息,显示出robots协议对于不同类型爬虫的限制

六、案例展示

1.爬取京东商品信息

在爬取后，我们发现在控制台中返回了带有​​login？​​的一个href，并没有具体的信息内容。但是在爬取主页时，可以直接获取主页具体信息。个人认为是由于无法识别是否已经登陆而导致的，后续学习中会跟进知识点及解决方法。（若有大佬会的，感谢评论！）

2.爬取网上图片并保存

import requestsimport osurl = "= "F:/图片/" #根目录path = root + url.split('/')[-1] #以最后一个/后的文字命名try: if not os.path.exists(root): #如果不存在根目录文件，则创建根目录文件夹 os.mkdir(root) #该方法只能创建一级目录，如要创建多层，可以遍历循环创建 if not os.path.exists(path): r = requests.get(url) with open(path,'wb') as f: f.write(r.content) #r.content返回的是2进制编码，将其写入 f.close() print("文件已成功保存！") else: print("文件已存在~")except: print("爬取失败！！！")

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。