python爬虫requests的使用

1 发送get请求获取页面

 import requests

 # 1 要爬取的页面地址
 url = 'http://www.baidu.com'
 # 2 发送get请求 拿到响应
 response = requests.get(url=url)
 # 3 获取响应内容文本  两种方法
 html1 = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
 print(html1)

 response.encoding='utf8'
 html2 = response.text # 用response.text 会自动选择一种方式解码 有时候会乱码，要提前设置response.encoding
 print(html2)

2 发送post请求获取页面

 import requests

 # 1 要爬取的页面地址
 url = 'http://www.baidu.com'
 # 2 发送get请求 拿到响应
 response = requests.post(url=url)
 # 3 获取响应内容文本  两种方法
 html1 = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
 print(html1)

 response.encoding='utf8'
 html2 = response.text # 用response.text 会自动选择一种方式解码 有时候会乱码，要提前设置response.encoding
 print(html2)

3 伪装浏览器，携带报头

 import requests

 # 伪装我们的报文头，加上Use-Agent 伪装成浏览器
 headers = {
     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
     # 如果要带着cookie 可以传入cookie，也可以放在报文头当中
     #'Cookie':'这里放入cookie'
 }
 # 1 要爬取的页面地址
 url = 'http://www.baidu.com'
 # 2 发送get请求 拿到响应
 response = requests.get(url=url,headers=headers)
 # 3 获取响应内容文本  两种方法
 html = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
 print(html)

4 携带数据 （比如 发送请求去登陆）

 import requests

 # 如果伪装登录，可以传送一个字典类型数据
 data = {
 '''这里放入需要的key：value'''
 }
 # 1 要爬取的页面地址
 url = 'http://www.baidu.com'
 # 2 发送get请求 拿到响应
 # get请求用params  相当于在url后面拼接key=value&key=value
 response = requests.get(url=url,params=data)
 # post用data传入参数 携带post的数据
 response = requests.post(url=url,data=data)
 # 3 获取响应内容文本  两种方法
 html = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
 print(html) 

5 代理

import requests
# 将代理的服务器放入这里，key为协议类型 value为代理的ip和端口
# 发送https或者http请求会根据不同代理ip选择 为我们发送请求
proxies = {
    'http':'http://127.0.0.1:80',
    'https':'https://127.0.0.1:80'
}

# 1 要爬取的页面地址
url = 'http://www.baidu.com'
# 2 发送get请求 拿到响应
response = requests.get(url=url,proxies=proxies)
# 3 获取响应内容文本  两种方法
html = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
print(html)

6 携带cookie

 import requests

 # 如果要带着cookie字典 可以传入cookie，也可以放在报文头当中
 cookies = {
     #'key':'value',
 }

 # 或者将cookie放在报文头当中
 headers = {
     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
     # 如果要带着cookie 可以传入cookie，也可以放在报文头当中
     #'Cookie':'这里放入cookie'
 }

 # 1 要爬取的页面地址
 url = 'http://www.baidu.com'
 # 2 发送get请求 拿到响应
 response = requests.get(url=url,cookies=cookies)
 #response = requests.get(url=url,headers=headers)
 # 3 获取响应内容文本  两种方法
 html = response.content.decode() #response.content为bytes类型，decode() 将它转换为utf8
 print(html)

7 保持session 帮我们保存response中的session

 import requests
 # 获取一个session对象为我们发送请求 用法与requests对象相同
 session = requests.session()

 url = 'http://www.baidu.com'
 #保持session发送请求
 response = session.get(url=url)
 # 获取页面
 html = response.content.decode()
 print(html)
 #查看session
 print(response.cookies)

8 设置连接超时时间

 import requests
 # 获取一个session对象为我们发送请求 用法与requests对象相同
 session = requests.session()

 url = 'http://www.baidu.com'
 #保持session发送请求
 response = session.get(url=url,timeout = 3) # 3秒时间为超时时间
 # 获取页面
 html = response.content.decode()
 print(html)
 #查看session
 print(response.cookies)

9 设置ssl校验 对方https协议合法性是否忽略

 import requests
 # 获取一个session对象为我们发送请求 用法与requests对象相同
 session = requests.session()

 url = 'http://www.baidu.com'
 #保持session发送请求
 response = session.get(url=url,verify=False) # 不校验ssl 如果对方https协议不合法，我们忽略 继续请求
 # 获取页面
 html = response.content.decode()
 print(html)
 #查看session
 print(response.cookies)

10 重新连接次数

 import requests
 from retrying import retry

 @retry(stop_max_attempt_number=3) # 设置超时重新连接 次数3
 def get( url ):
     response = requests.get(url=url,timeout=3)
     return response.content.decode()

 url = 'http://www.baidu.com'
 html = get(url)
 print(html)