一、requests模块的入门运用
学习方针:
- 了解 requests模块的介绍
- 把握 requests的根本运用
- 把握 response常见的特点
- 把握 requests.text和content的差异
- 把握 处理网页的解码问题
- 把握 requests模块发送带headers的恳求
- 把握 requests模块发送带参数的get恳求
1、为什么要要点学习requests模块,而不是urllib
- 企业中用的最多的便是requests
- requests的底层完成便是urllib
- requests在python2 和python3中通用,办法完全相同
- requests简单易用
2、requests的效果与安装
效果:发送网络恳求,回来呼应数据
指令: pip install requests
3、requests模块发送简单的get恳求、获取呼应
需求:经过requests向百度主页发送恳求,获取百度主页的数据
import requests
# 方针url
url = 'https://www.baidu.com'
# 向方针url发送get恳求
response = requests.get(url)
# 打印呼应内容
print(response.text)
response的常用特点:
-
response.text
呼应体 str类型 -
response.encoding
从HTTP header中猜想的呼应内容的编码办法 -
respones.content
呼应体 bytes类型 -
response.status_code
呼应状态码 -
response.request.headers
呼应对应的恳求头 -
response.headers
呼应头 -
response.cookies
呼应的cookie(经过了set-cookie动作) -
response.url
获取访问的url -
response.json()
获取json数据 得到内容为字典 (假如接口呼应体的格局是json格局时) -
response.ok
假如status_code小于等于200,response.ok回来True。
假如status_code大于200,response.ok回来False。
博主一般抓页面源码的时分运用的便是response.content.decode(),其间decode()的编码格局一般为utf-8,遇到utf-8处理不了的,就换gbk,在下文也有对这两种办法的细节解释
考虑:text是response的特点还是办法呢?
- 一般来说名词,往往都是方针的特点,对应的动词是方针的办法
3.1 response.text 和response.content的差异
-
response.text
- 类型:str
- 解码类型: requests模块自动根据HTTP 头部对呼应的编码作出有根据的推测,推测的文本编码
- 怎么修正编码办法:
response.encoding="gbk/UTF-8"
-
response.content
- 类型:bytes
- 解码类型: 没有指定
- 怎么修正编码办法:
response.content.deocde("utf8")
获取网页源码的通用办法:
-
response.content.decode()
-
response.content.decode("UTF-8")
-
response.text
以上三种办法早年往后测验,可以100%的处理一切网页解码的问题
所以:更推荐运用response.content.deocde()
的办法获取呼应的html页面
3.2 操练:把网络上的图片保存到本地
咱们来把
www.baidu.com
的图片保存到本地
考虑:
- 以什么办法翻开文件
- 保存什么格局的内容
分析:
- 图片的url: https://www.6hu.cc/files/2023/06/1685897605-4f5c207e941fd8d.png
- 运用requests模块发送恳求获取呼应
- 以2进制写入的办法翻开文件,并将response呼应的二进制内容写入
import requests
# 图片的url
url = 'https://www.6hu.cc/files/2023/06/1685897605-4f5c207e941fd8d.png'
# 呼应本身便是一个图片,并且是二进制类型
response = requests.get(url)
# print(response.content)
# 以二进制+写入的办法翻开文件
with open('baidu.png', 'wb') as f:
# 写入response.content bytes二进制类型
f.write(response.content)
4、发送带header的恳求
咱们先写一个获取百度主页的代码
import requests
url = 'https://www.baidu.com'
response = requests.get(url)
print(response.content)
# 打印呼应对应恳求的恳求头信息
print(response.request.headers)
4.1 考虑
对比浏览器上百度主页的网页源码和代码中的百度主页的源码,有什么不同?
代码中的百度主页的源码非常少,为什么?
4.2 为什么恳求需求带上header?
模仿浏览器,诈骗服务器,获取和浏览器共同的内容
4.3 header的形式:字典
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
4.4 用法
requests.get(url, headers=headers)
4.5 完好的代码
import requests
url = 'https://www.baidu.com'
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
# 在恳求头中带上User-Agent,模仿浏览器发送恳求
response = requests.get(url, headers=headers)
# print(response.content)
# 打印恳求头信息
print(response.request.headers)
5、发送带参数的恳求
咱们在运用百度搜索的时分经常发现url地址中会有一个
?
,那么该问号后边的便是恳求参数,又叫做查询字符串
5.1 什么叫做恳求参数:
例1: http://www.webkaka.com/tutorial/server/2015/021013/
例2:https://www.baidu.com/s?wd=python&a=c
例1中没有恳求参数!例2中?后边的便是恳求参数
5.2 恳求参数的形式:字典
kw = {'wd':'长城'}
5.3 恳求参数的用法
requests.get(url,params=kw)
5.4 关于参数的注意点
在url地址中, 许多参数是没有用的,比方百度搜索的url地址,其间参数只要一个字段有用,其他的都可以删去 怎么确认那些恳求参数有用或者没用:挨个测验! 对应的,在后续的爬虫中,越到许多参数的url地址,都可以测验删去参数
5.5 两种办法:发送带参数的恳求
- 对
https://www.baidu.com/s?wd=python
建议恳求可以运用requests.get(url, params=kw)
的办法
# 办法一:运用params参数发送带参数的恳求
import requests
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
# 这是方针url
# url = 'https://www.baidu.com/s?wd=python'
# 最后有没有问号结果都相同
url = 'https://www.baidu.com/s?'
# 恳求参数是一个字典 即wd=python
kw = {'wd': 'python'}
# 带上恳求参数建议恳求,获取呼应
response = requests.get(url, headers=headers, params=kw)
# 当有多个恳求参数时,requests接收的params参数为多个键值对的字典,比方 '?wd=python&a=c'-->{'wd': 'python', 'a': 'c'}
print(response.content)
- 也可以直接对
https://www.baidu.com/s?wd=python
完好的url直接发送恳求,不运用params参数
# 办法二:直接发送带参数的url的恳求
import requests
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
url = 'https://www.baidu.com/s?wd=python'
# kw = {'wd': 'python'}
# url中包含了恳求参数,所以此时无需params
response = requests.get(url, headers=headers)
6、小结
- requests模块的介绍:可以协助咱们建议恳求获取呼应
- requests的根本运用:
requests.get(url)
- 以及response常见的特点:
-
response.text
呼应体 str类型 -
respones.content
呼应体 bytes类型 -
response.status_code
呼应状态码 -
response.request.headers
呼应对应的恳求头 -
response.headers
呼应头 -
response.request._cookies
呼应对应恳求的cookie -
response.cookies
呼应的cookie(经过了set-cookie动作)
- 把握 requests.text和content的差异:text回来str类型,content回来bytes类型
- 把握 处理网页的解码问题:
-
response.content.decode()
-
response.content.decode("UTF-8")
-
response.text
- 把握 requests模块发送带headers的恳求:
requests.get(url, headers={})
- 把握 requests模块发送带参数的get恳求:
requests.get(url, params={})
request的根本运用就这些,小伙伴假如哪里有忘记了,记住回来看看