python爬虫中requests库怎么用

小编给大家分享一下python爬虫中requests库怎么用，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

python爬虫-requests库的用法

requests是python实现的简单易用的HTTP库，使用起来比urllib简洁很多，requests 允许你发送 HTTP/1.1 请求。指定 URL并添加查询url字符串即可开始爬取网页信息等操作

因为是第三方库，所以使用前需要cmd安装

pip install requests

安装完成后import一下，正常则说明可以开始使用了

基本用法：

requests.get()用于请求目标网站，类型是一个HTTPresponse类型

import requestsresponse = requests.get('http://www.baidu.com')print(response.status_code)  # 打印状态码print(response.url)          # 打印请求urlprint(response.headers)      # 打印头信息print(response.cookies)      # 打印cookie信息print(response.text)  #以文本形式打印网页源码print(response.content) #以字节流形式打印

以打印状态码为例，运行结果：

状态码：200，证明请求目标网站正常

若状态码为403一般是目标存有防火墙，触发了反爬策略被限制了IP

各种请求方式：

import requestsrequests.get('http://www.baidu.com')requests.post('http://www.baidu.com')requests.put('http://www.baidu.com')requests.delete('http://www.baidu.com')requests.head('http://www.baidu.com')requests.options('http://www.baidu.com')

基本的get请求

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

带参数的GET请求：

第一种直接将参数放在url内

import requestsresponse = requests.get("https://www.crrcgo.cc/admin/crr_supplier.html?params=1")print(response.text)

另一种先将参数填写在data中，发起请求时将params参数指定为data

import requestsdata = {    'params': '1',}response = requests.get('https://www.crrcgo.cc/admin/crr_supplier.html?', params=data)print(response.text)

基本POST请求：

import requestsresponse = requests.post('http://baidu.com')

解析json

import requestsresponse = requests.get('http://httpbin.org/get')print(response.text)print(response.json())  #response.json()方法同json.loads(response.text)print(type(response.json()))

简单保存一个二进制文件

import requestsresponse = requests.get('http://img.ivsky.com/img/tupian/pre/201708/30/kekeersitao-002.jpg')b = response.contentwith open('F://fengjing.jpg','wb') as f:    f.write(b)

为你的请求添加头信息

import requestsheads = {}heads['User-Agent'] = 'Mozilla/5.0 ' \                          '(Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 ' \                          '(KHTML, like Gecko) Version/5.1 Safari/534.50' response = requests.get('http://www.baidu.com',headers=headers)

此方法可以有效地避开防火墙的检测，隐藏自己身份

使用代理

同添加headers方法一样，代理参数也是一个dict这里使用requests库爬取了IP代理网站的IP与端口和类型。因为是免费的，使用的代理地址很快就失效了。

import requestsimport redef get_html(url):    proxy = {        'http': '120.25.253.234:812',        'https' '163.125.222.244:8123'    }    heads = {}    heads['User-Agent'] = 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0'    req = requests.get(url, headers=heads,proxies=proxy)    html = req.text    return htmldef get_ipport(html):    regex = r'(.+)'    iplist = re.findall(regex, html)    regex2 = '(.+)'    portlist = re.findall(regex2, html)    regex3 = r'(.+)'    typelist = re.findall(regex3, html)    sumray = []    for i in iplist:        for p in portlist:            for t in typelist:                pass            pass        a = t+','+i + ':' + p        sumray.append(a)    print('高匿代理')    print(sumray)if __name__ == '__main__':    url = 'http://www.baidu.com'    get_ipport(get_html(url))

获取cookie

import requestsresponse = requests.get('http://www.baidu.com')print(response.cookies)print(type(response.cookies))for k,v in response.cookies.items():    print(k+':'+v)

会话维持

import requestssession = requests.Session()session.get('https://www.crrcgo.cc/admin/crr_supplier.html')response = session.get('https://www.crrcgo.cc/admin/')print(response.text)

证书验证设置

import requestsfrom requests.packages import urllib3urllib3.disable_warnings()  #从urllib3中消除警告response = requests.get('https://www.12306.cn',verify=False)  #证书验证设为FALSEprint(response.status_code)

超时异常捕获

import requestsfrom requests.exceptions import ReadTimeouttry:    res = requests.get('http://httpbin.org', timeout=0.1)    print(res.status_code)except ReadTimeout:    print(timeout)

异常处理

使用try…except来捕获异常

import requestsfrom requests.exceptions import ReadTimeout,HTTPError,RequestExceptiontry:    response = requests.get('http://www.baidu.com',timeout=0.5)    print(response.status_code)except ReadTimeout:    print('timeout')except HTTPError:    print('httperror')except RequestException:    print('reqerror')

以上是"python爬虫中requests库怎么用"这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注行业资讯频道！