爬虫-requests用法
2024-09-03 13:34:33
中文文档 API: http://requests.kennethreitz.org/zh_CN/latest/
安装
pip install requests
获取网页
# coding=utf-8
import requests response = requests.get('http://www.baidu.com') # 第一种方式 获取响应内容
# 查看网页编码方式
print(response.encoding)
# 修改编码方式
response.encoding = 'utf-8'
# 获取响应内容
print(response.text) # 第二种方式 获取二进制响应内容 # 获取二进制响应内容
print(response.content)
# 解码 decode('解码方式') 默认时utf-8的方式
print(response.content.decode())# coding=utf-8
import requests response = requests.get('http://www.baidu.com') # 第一种方式 获取响应内容
# 查看网页编码方式
print(response.encoding)
# 修改编码方式
response.encoding = 'utf-8'
# 获取响应内容
print(response.text) # 第二种方式 获取二进制响应内容 # 获取二进制响应内容
print(response.content)
# 解码 decode('解码方式') 默认时utf-8的方式
print(response.content.decode())
保存图片
import requests response = requests.get('http://requests.kennethreitz.org/zh_CN/latest/_static/requests-sidebar.png')
# 保存图片
with open('a.png','wb') as f:
f.write(response.content)
获取状态码以及判断请求是否成功
import requests
r = requests.get('http://www.baidu.com')
# 获取状态码
print(r.status_code) # 获取到200不一定成功 可能获取的时跳转之后的页码
# 断言 判断请求是否成功
assert r.status_code==200 # 如果成功 没有任何反应 失败会报错 # 获取响应header
print(r.headers)
# 获取请求header
print(r.request.headers) # 获取请求url
print(r.request.url)
# 获取响应的url
print(r.url)
带header头伪装浏览器爬取内容
import requests
# 模拟header头
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36'}
# 获取网页
r = requests.get('http://www.baidu.com',headers=headers)
# 获取响应内容
print(r.text)
爬取贴吧内容
import requests class WebSpider():
def __init__(self, name):
self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36'}
self.url_temp = "http://tieba.baidu.com/f?kw="+ name +"&ie=utf-8&pn={}"
self.name = name # 构建地址列表
def get_url_list(self):
return [self.url_temp.format(i*50) for i in range(1000)] # 获取贴吧内容
def parse_url(self, url): #爬取数据
print(url)
r = requests.get(url, headers=self.headers)
return r.content.decode() def run(self):
# 获取地址列表
urls = self.get_url_list()
# 遍历 爬取数据
for url in urls:
html_str = self.parse_url(url)
# 保存
page_num = urls.index(url)+1 # 获取也码数
file_name = self.name + "第{}页.html".format(page_num)
with open(file_name, "w", encoding="utf-8") as f:
f.write(html_str)
if __name__ == '__main__':
r = WebSpider(input("请输入贴吧名字:"))
r.run()
使用代理
import requests headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36"}
# 使用代理池 {协议:网址1和端口1, 协议:网址2和端口2}
proxies = {
"http":"http://39.137.69.8:80",
"http":"http://111.29.3.184:80"
}
r = requests.get("http://www.baidu.com", headers=headers, proxies=proxies)
print(r.status_code) # 查看是否成功
POST请求
# coding=utf-8
import requests
import sys class BiyingFanyi(object):
def __init__(self, trans_str):
self.trans_str = trans_str
self.headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36"}
self.url = "https://cn.bing.com/ttranslatev3?isVertical=1&&IG=1A4E692C98A4412BA37107204839D81C&IID=translator.5032.4" def parse_url(self, url, data):
response = requests.post(url, data=data, headers=self.headers)
data = list(eval(response.content.decode())) # [{},{}] 把类似列表的字符串转化为列表
return data def run(self):
# 获取翻译的语言类型
# 请求地址
lang_data = {"text":self.trans_str,
"fromLang": "auto - detect",
"to": "en"
}
# 请求数据
lang= self.parse_url(self.url, lang_data)
# 获取lang
fromLang = lang[0]["detectedLanguage"]["language"]
# post请求数据
trans_data = {"text":self.trans_str,"fromLang": "zh-Hans","to": "en"} if fromLang == 'zh-Hans' else \
{"text": self.trans_str, "fromLang": "en", "to": "zh-Hans"} # 三元运算符 # 获取相应内容
trans_str = self.parse_url(self.url, trans_data)
trans = trans_str[0]["translations"][0]["text"]
print(trans) if __name__ == '__main__':
trans_str = sys.argv[1] # 启动该文件时加参数
fanyi = BiyingFanyi(trans_str)
fanyi.run()
这样再终端调用的时候直接输入要翻译的数据
这种方法有点长 可以给文件起别名
找到.bashrc文件 vi ~/.bashrc在最下面添加
启动下bashrc文件
使用别名运行
使用cookie得三种方式
1,登录账号保存到session里
# coding=utf-8
import requests # 实例化一个session对象
session = requests.session()
# 请求网址
post_url = "http://www.renren.com/PLogin.do"
# 人人网账号和密码
post_data = {"email":"18656******", "password":"qw******"}
headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36"}
# 使用session发送post请求,cookie保存在其中
session.post(post_url, data=post_data, headers=headers)
# 在使用session进行请求登陆后才能访问的地址
r = session.get("http://www.renren.com/972533172/newsfeed/photo", headers=headers)
# 保存页面
with open('renren1.html', "w", encoding="utf-8") as f:
f.write(r.content.decode())
2.Cookie放入请求头
# coding=utf-8
import requests headers = {
"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36",
"Cookie":"anonymid=jso2jqr9-ua7yx8; _r01_=1; XNESSESSIONID=196ea2cc9d76; depovince=GW; jebecookies=d90c5751-c3f3-486e-a72c-745450b49686|||||; ick_login=5826e3f3-931a-4fef-ba96-44bbf4002755; _de=1F357FAF1F9FBA7F803C7095955979B8; p=4dc77dc5f602d42c37e075914279d3bc2; first_login_flag=1; ln_uact=18656711411; ln_hurl=http://head.xiaonei.com/photos/0/0/men_main.gif; t=e0a9e51796415e5018a3adee3ea84a0b2; societyguester=e0a9e51796415e5018a3adee3ea84a0b2; id=972533172; xnsid=e7f4f06; ver=7.0; loginfrom=null; jebe_key=9d0aeb38-53ed-4f12-9bb6-c37611fbe84b%7C44bfbc433568681820735e4eb5dfc039%7C1571714808839%7C1%7C1571714811980; wpsid=15257123636357; wp_fold=0"
}
r = requests.get("http://www.renren.com/972533172/newsfeed/photo", headers=headers)
with open("renren2.html", "w", encoding="utf-8") as f:
f.write(r.content.decode())
3.设置cookies字典
# coding=utf-8
import requests headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36"}
cookie = "anonymid=jso2jqr9-ua7yx8; _r01_=1; XNESSESSIONID=196ea2cc9d76; depovince=GW; jebecookies=d90c5751-c3f3-486e-a72c-745450b49686|||||; ick_login=5826e3f3-931a-4fef-ba96-44bbf4002755; _de=1F357FAF1F9FBA7F803C7095955979B8; p=4dc77dc5f602d42c37e075914279d3bc2; first_login_flag=1; ln_uact=18656711411; ln_hurl=http://head.xiaonei.com/photos/0/0/men_main.gif; t=e0a9e51796415e5018a3adee3ea84a0b2; societyguester=e0a9e51796415e5018a3adee3ea84a0b2; id=972533172; xnsid=e7f4f06; ver=7.0; loginfrom=null; jebe_key=9d0aeb38-53ed-4f12-9bb6-c37611fbe84b%7C44bfbc433568681820735e4eb5dfc039%7C1571714808839%7C1%7C1571714811980; wpsid=15257123636357; wp_fold=0"
Cookies = {i.split('=')[0]:i.split('=')[1] for i in cookie.split("; ")} # 字典推导式
r = requests.get("http://www.renren.com/972533172/newsfeed/photo", headers=headers, cookies=Cookies)
with open("renren3.html", "w", encoding="utf-8") as f:
f.write(r.content.decode())
抓包 寻找登录的url地址
勾选perserve log按钮 防止页面跳转找不到url地址
寻找参数时,需要多点几次,看参数变化不
定位js
1.选择会触发js事件得按钮,点击Event listeners,同时formwork listeners打勾,找到js的位置
点击js
想看得js效果可以在console里直接复制进去
断点调试,点击js对应得行号
再点击次登录按钮进入调试状态
2.查找请求的地址
复制请求地址或关键字点search
搜索复制的地址或关键字
requests其它小技巧
把响应数据里的cookie对象转换成字典
把字典转换成响应数据里的cookie对象
requests.utils.cookiejar_from_dict({'BDORZ': ''}
url解码
requests.utils.unquote("http://tieba.baidu.com/f?kw=%E6%9D%A8%E6%B4%8B")
url编码
requests.utils.quote('http://tieba.baidu.com/f?kw=杨洋')
请求SSL证书验证
response = requests.get("https://www.12306.cn/mormhweb/ ", verify=False)
添加超时参数
response = requests.get(url,timeout=10)
配合状态码判断是否请求成功
assert response.status_code == 200
最新文章
- T型及Fly_by拓扑之应用总结
- c语言多线程队列读写
- Studio右键选项中没有Git?
- Angularjs checkbox的ng属性
- A transition animation compatible Library.
- 初试ubuntu14.4问题集锦2
- VS项目如何添加到svn
- poj 3020 Antenna Placement (最小路径覆盖)
- Linux权限分析
- centos7安装zabbix3.2.4
- PX转REM简易计算器(适用于fittext.js插件计算)
- 【原创】java socket 和.net socket 通讯 demo
- normalization正规化
- Shiro笔记(一)基本概念
- Partition--使用分区切换来增加修改列的自增属性
- ubuntu for win10 里运行net core
- DataTable转化成实体对象
- MatchText MatchStr 区别
- Plot Candlestick Charts in Research of quantopian
- [BZOJ2727][HNOI2012]双十字
热门文章
- bolt继承关系和区别
- [教程]K8Cscan调用外部程序(Win/Linux批量上控/执行多条命令/保存结果)
- 第十节:Asp.Net Core 配置详解和选项模式
- SpringBoot扩展点之一:SpringApplicationRunListener
- Java 在 Word 文档中使用新文本替换指定文本
- springmvc的ajax
- 谷歌浏览器安装Elasticsearch-head 插件
- 整理:WPF中Binding的几种写法
- C#——操作Word并导出PDF
- mybatis中用注解如何处理存储过程返回的多个结果集?