Python 爬虫-Requests库入门

2017-07-25 10:38:30

response = requests.get(url, params=None, **kwargs)

• url : 拟获取页面的url链接∙ params : url中的额外参数，字典或字节流格式，可选
• params参数是字典或字节序列，作为参数增加到url中

kv = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.request('GET', 'http://python123.io/ws', params=kv)
>>> print(r.url)
http://python123.io/ws?key1=value1&key2=value2

• **kwargs: 12个控制访问的参数

headers:字典，HTTP定制头

 hd = {'user‐agent': 'Chrome/10'}
 r = requests.request('POST', 'http://python123.io/ws', headers=hd)

timeout : 设定超时时间，秒为单位

 r = requests.request('GET', 'http://www.baidu.com', timeout=10)

proxies : 字典类型，设定访问代理服务器，可以增加登录认证

>>> pxs = { 'http': 'http://user:pass@10.10.10.1:1234'
'https': 'https://10.10.10.1:4321' }
>>> r = requests.request('GET', 'http://www.baidu.com', proxies=pxs)

使用举例：

import requests

# r：response 右侧get: requests
r = requests.get('http://jwc.seu.edu.cn/')

一、返回值Response对象的属性

二、爬取网页的通用代码框架

import requests

def gethtml(url):
    # 打开网页有风险，需要使用try-except语句进行风险控制
    try:
        r = requests.get(url)
        r.raise_for_status()   # 如果打开失败，则会抛出一个HttpError异常
        # encoding是从header中分析出来的编码方式，apparent_encoding是 从内容分析出的编码方式
        r.encoding=r.apparent_encoding
        return r.text
    except:
        print("打开失败")

 三、requests库的方法和HTTP协议

• HTTP协议：超文本传输协议

HTTP是一个基于“请求与响应”模式的、无状态的应用层协议。

HTTP协议采用URL作为定位网络资源的标识，URL格式如下：http://host[:port][path]

HTTP协议对资源的操作方法：

其中get,head方法是从服务器取回数据，post,put,patch,delete方法是向服务器写入或者修改数据。

patch 和 put 的区别：patch 是局部更新，而put 是全部更新。patch节省网络带宽，是HTTP协议改良后的新增指令。

HTTP的指令和requests 的方法一一对应。

• Requests 的七个主要方法