码迷,mamicode.com
首页 > 其他好文 > 详细

requests高级用法

时间:2019-08-05 21:56:49      阅读:178      评论:0      收藏:0      [点我收藏+]

标签:adt   user   port   ssi   获取   amp   dai   click   div   

代理proxies

  数据采集过程中使用脚本发送请求,请求次数过于频繁,服务器监测到而采用一定的手段禁止此ip的请求,为了解决封ip的问题,我们用代理来处理这个问题。用第三方代理ip进行伪装访问,即使被封也不影响当前ip的使用,构建代理池,封了一个,其他的还可以用,这样就能缓解ip被封无法继续爬取的问题。

  ip代理获取:智联代理全网代理快代理西刺代理等。

  代理匿名度:

    (1)透明:目标服务器知道请求使用了代理服务器,同时能监测到真实的请求ip

    (2)匿名:目标服务器知道请求使用了代理服务器,但无法监测到真实的请求ip

    (3)高匿:目标服务器不知道请求是否使用了代理服务器,也无法监测到真实的请求ip

  代理ip类型:(1)http:只能转发http请求;(2)https:只能转发https请求

  (1)代理指定

技术图片
 1 import requests
 2 from lxml.html.clean import etree
 3 from fake_useragent import UserAgent
 4 UA=UserAgent()
 5 headers={User-Agent:UA.random,}
 6 url=https://www.baidu.com/s?wd=ip
 7 response=requests.get(url=url,headers=headers,proxies={https:111.231.94.44:8888},timeout=10)#代理IP指定
 8 response.encoding=utf-8
 9 
10 # print(response.text)#在页面中可以搜索‘本机’找到本次请求的代理服务器
11 #<span class="c-gap-right">本机IP:&nbsp;117.64.251.9</span>安徽省合肥市 电信(代理IP也使用了代理)
12 print(etree.HTML(response.text).xpath(//span[@class="c-gap-right"]/text())[0])
代理指定

  (2)手动创建代理池

技术图片
 1 import random
 2 import requests
 3 from lxml.html.clean import etree
 4 from fake_useragent import UserAgent
 5 
 6 UA = UserAgent()
 7 headers = {User-Agent: UA.random, }
 8 url = https://www.baidu.com/s?wd=ip
 9 
10 #手动配置ip代理池
11 proxy_list = [
12     {https: 60.13.42.29:9999},
13     {https: 111.231.94.44:8888},
14     {http: 222.182.188.17:8060},
15     {https: 111.231.91.104:8888},
16     {https: 221.178.232.130:8080},
17 ]
18 #随机选取ip代理
19 proxies = random.choice(proxy_list)
20 print(proxies)
21 response = requests.get(url=url, headers=headers, proxies={https: 111.231.94.44:8888}, timeout=10)  # 代理IP指定
22 print(etree.HTML(response.text).xpath(//span[@class="c-gap-right"]/text())[0])
23 # {‘https‘: ‘111.231.94.44:8888‘}
24 # 本机IP: 117.64.251.9
25 # {‘http‘: ‘222.182.188.17:8060‘}
26 # 本机IP: 117.64.251.9
手动配置代理池

  (3)自动创建代理池  

技术图片
 1 import random
 2 import requests
 3 from lxml.html.clean import etree
 4 from fake_useragent import UserAgent
 5 
 6 UA = UserAgent()
 7 headers = {User-Agent: UA.random, }
 8 url = https://www.baidu.com/s?wd=ip
 9 
10 #http://http.zhiliandaili.cn/Index-getapi.html(注册登录购买获取)
11 #API自动创建代理池
12 proxy_list = []
13 ip_url = http://ip.11jsq.com/index.php/api/entry?method=proxyServer.generate_api_url&packid=1&fa=0&fetch_key=&groupid=0&qty=53&time=1&pro=&city=&port=1&format=html&ss=5&css=&dt=1&specialTxt=3&specialJson=
14 page_text = requests.get(ip_url,headers=headers).text
15 tree = etree.HTML(page_text)
16 ip_list = tree.xpath(//body//text())
17 for ip in ip_list:
18     ip = {https:ip}
19     proxy_list.append(ip)
20 print(proxy_list)
21 
22 #随机选取ip代理
23 proxies = random.choice(proxy_list)
24 print(proxies)
25 response = requests.get(url=url, headers=headers, proxies={https: 111.231.94.44:8888}, timeout=10)  # 代理IP指定
26 print(etree.HTML(response.text).xpath(//span[@class="c-gap-right"]/text())[0])
API自动创建代理池

会话对象

  会话对象:会话对象让你能够跨请求保持某些参数。它也会在同一个 Session 实例发出的所有请求之间保持 cookie, 期间使用 urllib3 的 connection pooling 功能。

  cookie概念:当用户通过浏览器首次访问一个域名时,访问的web服务器会给客户端发送数据,以保持web服务器与客户端之间的状态保持,这些数据就是cookie。  

技术图片
 1 ‘‘‘
 2 雪球网:https://xueqiu.com/
 3 ‘‘‘
 4 import random
 5 import requests
 6 from fake_useragent import UserAgent
 7 
 8 UA = UserAgent()
 9 headers = {User-Agent: UA.random, }
10 proxy_list = [
11     {https: 60.13.42.29:9999},
12     {https: 111.231.94.44:8888},
13     {http: 222.182.188.17:8060},
14     {https: 111.231.91.104:8888},
15     {https: 221.178.232.130:8080},
16 ]
17 proxies = random.choice(proxy_list)
18 
19 #通过抓包工具捕获的基于ajax请求的数据包中提取的url(直接报错,分析原因找到第一次访问主页面时创建了cookie)
20 # url = ‘https://stock.xueqiu.com/v5/stock/batch/quote.json?symbol=SH000001,SZ399001,SZ399006,HKHSI,HKHSCEI,HKHSCCI,.DJI,.IXIC,.INX‘
21 # json_data = requests.get(url=url,headers=headers).json()
22 # print(json_data)
23 #{‘error_description‘: ‘遇到错误,请刷新页面或者重新登录帐号后再试‘, ‘error_uri‘: ‘/v5/stock/batch/quote.json‘, ‘error_code‘: ‘400016‘}
24 
25 
26 
27 
28 #创建一个session对象
29 session = requests.Session()
30 #将cookie保存到session对象中
31 first_url = https://xueqiu.com/
32 session.get(url=first_url,headers=headers)#为了获取cookie且将cookie存储到session中
33 print(session.cookies)
34 
35 url = https://stock.xueqiu.com/v5/stock/batch/quote.json?symbol=SH000001,SZ399001,SZ399006,HKHSI,HKHSCEI,HKHSCCI,.DJI,.IXIC,.INX
36 response = session.get(url=url,headers=headers,proxies=proxies)#携带cookie发起的请求(根据需要可以发起各种请求get/post/put...)
37 print(response.json())
Session处理cookie

 

 

 

    

 

requests高级用法

标签:adt   user   port   ssi   获取   amp   dai   click   div   

原文地址:https://www.cnblogs.com/open-yang/p/11305687.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!