Python爬虫之Requests库

Requests库可以获取网页源码

requests-网络爬虫-CSDNPython入门技能树

Get方法

import requests
html=requests.get("http://www.baidu.com") #获取到Response对象
html_bytes=html.content #获取到bytes型网页的源代码
html_str=html_bytes.decode()#获取到字符串型网页的源代码
print(html_str)

import requests
html_str=requests.get("http://www.baidu.com").content.decode()
 
print(html_str)

如果不是utf-8编码格式，就需要解码

html_str=requests.get("http://www.baidu.com").content.decode('GBK')

get方法有很多参数

• url：请求地址；
• params：要发送的查询字符串，可以为字典，列表，元组，字节；
• data：body 对象中要传递的参数，可以为字段，列表，元组，字节或者文件对象；
• json：JSON 序列化对象；
• headers：请求头，字典格式；
• cookies：传递 cookie，字段或 CookieJar 类型；
• files：最复杂的一个参数，一般出现在 POST 请求中，格式举例 "name":文件对象 或者 {'name':文件对象}，还可以在一个请求中发送多个文件，不过一般爬虫场景不会用到；
• auth：指定身份验证机制；
• timeout：服务器等待响应时间，在源码中检索到可以为元组类型，这个之前没有使用过，即 (connect timeout, read timeout)；
• allow_redirects：是否允许重定向；
• proxies：代理；
• verify：SSL 验证；
• stream：流式请求，主要对接流式 API；
• cert：证书。

 

响应对象

get方法返回的是一个响应对象，它有一些属性

• ok：只要状态码 status_code 小于 400，都会返回 True；
• is_redirect：重定向属性；
• content：响应内容，字节类型；
• text：响应内容，Unicode 类型；
• status_code：响应状态码；
• url：响应的最终 URL 位置；
• encoding：当访问 r.text 时的编码；
• json()：将响应结果序列化为 JSON；

 

POST方法

import requests
 
def get_response(url, data, headers=None):
    result=requests.post(url=url,data=data,headers=headers).text
    return result
 
if __name__ == '__main__':
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.146 Safari/537.36"
    }
    data = {
        "key1": "value1",
        "key2": "value2"
    }
    url = "http://httpbin.org/post"
    html = get_response(url, data, headers)
    print(html)