爬虫之requests介绍

1 介绍：使用requests可以模拟浏览器的请求，比起之前用到的urllib，requests模块的api更加便捷（本质就是urllib3）
2 注意：requests库发送请求将网页代码下载下来之后，并不会执行js代码，这需要我们分析目标站点，然后发起新的requests请求
3 各种请求方式：常用的是requests.get()和requests.post()
    requests.get(url)
    requests.post(url,data={‘key‘:value})
    requests.put(url,data={‘key‘:‘value‘})
    request.delete(url)
    request.option(url)

import requests
response = requests.get(‘http://www.baidu.com‘)
print(response.text)

# 证书验证（大部分网站都是https）
import requests
response = requests.get(‘https://www.12306.com‘) # 如果是ssl请求，首先检查证书是否合法，不合法则报错，程序终止

#改进1：去掉报错，但是会警告
import requests
response = requests.get(‘https://www.12306.com‘,vertify=False) # 不验证证书，有警告，返回200

#改进2：去掉报错，并且去掉警告信息
import requests
from requests.packages import urllib3
urllib3.disable_warning() # 关闭警告
response = requests.get(‘https://www.12306.com‘)

#改进3：加上证书
#很多网站都是https,但是不用证书也可以访问，大多数情况下都是可以携带也可以不携带证书
#知乎，百度都是可带可不带
#有硬性要求的，则必须带，比如对于定向的用户，拿到证书后才有权限访问某个特定的网站

import requests
response=requests.get(‘https://www.12306.cn‘,
　　　　　　　　　　　　　　cert=(‘/path/server.crt‘,‘/path/key‘))
)

#官网链接: http://docs.python-requests.org/en/master/user/advanced/#proxies

#代理设置:先发送请求给代理,然后由代理帮忙发送(封ip是常见的事情)
import requests
proxies={
‘http‘:‘http://egon:123@localhost:9743‘,#带用户名密码的代理,@符号前是用户名与密码
‘http‘:‘http://localhost:9743‘,
‘https‘:‘https://localhost:9743‘,
}
respone=requests.get(‘https://www.12306.cn‘,
proxies=proxies)

print(respone.status_code)

#支持socks代理,安装:pip install requests[socks]
import requests
proxies = {
‘http‘: ‘socks5://user:pass@host:port‘,
‘https‘: ‘socks5://user:pass@host:port‘
}
respone=requests.get(‘https://www.12306.cn‘,
proxies=proxies)

print(respone.status_code)

#超时设置
#两种超时：float or tuple
#timeout=0.3 #代表从发出到接收到的总时间
#timeout=(0.1,0.2) #0.1表示链接超时  0.2表示接收数据的超时时间

import requests
response=requests.get(‘https://www.baidu.com‘,timeout=0.001)

#官网链接：http://docs.python-requests.org/en/master/user/authentication/

#认证设置:登陆网站是,弹出一个框,要求你输入用户名密码（与alter很类似），此时是无法获取html的
# 但本质原理是拼接成请求头发送
# r.headers[‘Authorization‘] = _basic_auth_str(self.username, self.password)
# 一般的网站都不用默认的加密方式，都是自己写
# 那么我们就需要按照网站的加密方式，自己写一个类似于_basic_auth_str的方法
# 得到加密字符串后添加到请求头
# r.headers[‘Authorization‘] =func(‘.....‘)

#看一看默认的加密方式吧，通常网站都不会用默认的加密设置
import requests
from requests.auth import HTTPBasicAuth
r=requests.get(‘xxx‘,auth=HTTPBasicAuth(‘user‘,‘password‘))
print(r.status_code)

#HTTPBasicAuth可以简写为如下格式
import requests
r=requests.get(‘xxx‘,auth=(‘user‘,‘password‘))
print(r.status_code)

# 异常处理
import requests
from requests.exceptions import * 

try:
　　x=requests.get(‘https://www.baidu.com‘,timeout=0.0001)
except ReadTiomout:
　　print(‘访问超时‘)
except ConnectionError:#网络不通
　　print（‘网络不通‘）
except RequestException:
　　.....

import requests
files = {‘file‘:open(‘a.jpg‘,‘rb‘)}
response=requests.post(url,files=files)