Python网络爬虫与信息提取[request库的应用](单元一)
---恢复内容开始---
注:学习中国大学mooc 嵩天课程 的学习笔记
request的七个主要方法
request.request() 构造一个请求用以支撑其他基本方法
request.get(url,params=None,**kwarg) 12个参数 获取html的主要方法,对应于http的GET
request.head(url,**kwargs) 13个参数 获取网页头信息的方法,对应于http的head
request.post(url,data=None,json=None,**kwarg)11个采纳数 向网页中提交post请求的方法,对应于http中的post
requset.put(url,data,**kwarg) 向网页中提交put请求的方法,对应于http中的put
request.patch(url,data,**kwarg) 向http网页中提交局部修改请求,对应于http中的patch
request.delete(url,**kwarg) 向http网页中提交局部修改请求,对应于http中的delete
1.request.get(url,parm,更多参数)
r=requests.get(rul)
先构造一个request对象
返回一个response对象(包含爬虫返回的内容)
response 对象的五个属性
1 r.status_code 状态码 200表示连接成功 404表示连接失败 不是200都是失败的
2 r.text 以字符串的形式返回url对应的网络内容
3 r.encoding 从http header 中猜测相应内容的编码方式// 从header 中的charset字段 中找编码方式 如果没有 认为是 ISO-8859-1(无法解析中文)
4 r.apparent_encoding 从内容中分析出相应内容的编码方式(备选编码方式)(更加准确)
5 r.content http 相应内容的二进制形式
6.r.headers 返回头部信息
#可以赋值 r.encoding="utf-8" 然后用 r.text 来读取
2 理解Request 库的异常
request.ConnnectionError DNS查询失败 拒绝链接
request.HTTPError HTTP错误异常
request.URLRequired URL缺失异常
request.TooManyRedirects 超过最大重定向次数。产生重定向异常
request.ConnectTimeout 连接服务器超市异常
request.Timeout 请求RUL超市 产生超时异常
r.raise_for_status() [response 对象的方法] 如果r状态码不是200 引发 HTTPError 异常
3.http 协议
http hypertest transfer Protocol
url格式 : URL格式
http://host[:port][path]
host 合法的internet主机域名或IP地址
port 端口号,缺省端口为80
path 请求资源的路径
http://www.bit.edu.cn
http://220.181.111.188/duty
URL 是通过HTTP协议存取资源的Internet路径
1 http 协议对资源的操作
GET 请求URL位置的资源
HEAD 请求获取URL位置资源的相应信息报告,即获得该资源的头部信息
POST 请求向URL位置的资源后附加新的信息
PUT 请求向URL位置存储一个资源,覆盖原URL位置的资源
PATCH 请求更新局部的URL位置资源,即改变该处的资源部分内容
DELETE 请求删除URL位置的资源
注:与request 的方法一一对应
2 一些简单操作
1 post 方法
payload={"key":"value1","key2":"value2"}
r=request.post("http://baabala.com",data=payload)
print(r.text)
{
}
使用post 一个字典 自动编码为form 表单
payload={"ACB"}
r=request.post("http://baabala.com",data=payload)
print(r.text)
{
}
使用post 一个字典 自动编码为data
使用post 一个字符串 自动编码为form 表单
put 方法也一样,但是会自动覆盖原先的内容
4 requests 详解
requset.requst(method,url,**kwargs)
method : 请求方式
url :获取页面的链接
**kwargs 其他的参数(13)
method(7种)就是操作
**kwargs
1.params 字典或者字节序列,作为参数增加到url中
例:kv={"key1":"value1","key2":value2"}
r=requests.requset("GET","http://pythonoo123.io/ws",params=kv)
print(r.url)
http://python123.io/ws?key1=value1&key2=value2
2.data 字典字节序列或者文件对象,作为request的内容
3.josn JSON格式的数据作为request的内容
4.header 字典 HTTP 定制头
例: hd={"user-agent":"Chrome/10"}
r=request.request("POST","http://pythonoo123.io/ws",headers=hd)
5.cookies :字典或Cookiejar
6.auth :元祖,支持HTTP认证功能
7.file 字典类型,传输文件
例:fs={"file":open(open(“data.xls”,"rb"))}
r=requests.request("post","http://pythonoo123.io/ws",files=fs)
8.timeout 超时时间,一秒为单位
9.proxies:字典类型,设定代理服务器,可以增加登录认证
例: pxs{"http":"http://user:pass@10.10.1.1234","https":"https://10.10.10.1:4321"}
r=request.request("GET",""http://pythonoo123.io/ws",proxies=pxs)利用其设置代理
10.allow_redirects: True/False,默认为True,重定向开关,是否允许对url重定向
11.stream: True/False,默认为True 获取内容立即下载开关
12.verify:True/False,默认为True,认证SSL 证书开关
13.cert 保存本地 SSL 路径字段
---恢复内容结束---
Python网络爬虫与信息提取[request库的应用](单元一)的更多相关文章
- Python网络爬虫与信息提取
1.Requests库入门 Requests安装 用管理员身份打开命令提示符: pip install requests 测试:打开IDLE: >>> import requests ...
- 第三次作业-Python网络爬虫与信息提取
1.注册中国大学MOOC 2.选择北京理工大学嵩天老师的<Python网络爬虫与信息提取>MOOC课程 3.学习完成第0周至第4周的课程内容,并完成各周作业 过程. 5.写一篇不少于100 ...
- 第三次作业-MOOC学习笔记:Python网络爬虫与信息提取
1.注册中国大学MOOC 2.选择北京理工大学嵩天老师的<Python网络爬虫与信息提取>MOOC课程 3.学习完成第0周至第4周的课程内容,并完成各周作业 第一周 Requests库的爬 ...
- 第3次作业-MOOC学习笔记:Python网络爬虫与信息提取
1.注册中国大学MOOC 2.选择北京理工大学嵩天老师的<Python网络爬虫与信息提取>MOOC课程 3.学习完成第0周至第4周的课程内容,并完成各周作业 4.提供图片或网站显示的学习进 ...
- Python网络爬虫与信息提取笔记
直接复制粘贴笔记发现有问题 文档下载地址//download.csdn.net/download/hide_on_rush/12266493 掌握定向网络数据爬取和网页解析的基本能力常用的 Pytho ...
- 【学习笔记】PYTHON网络爬虫与信息提取(北理工 嵩天)
学习目的:掌握定向网络数据爬取和网页解析的基本能力the Website is the API- 1 python ide 文本ide:IDLE,Sublime Text集成ide:Pychar ...
- Python网络爬虫与信息提取(一)
学习 北京理工大学 嵩天 课程笔记 课程体系结构: 1.Requests框架:自动爬取HTML页面与自动网络请求提交 2.robots.txt:网络爬虫排除标准 3.BeautifulSoup框架:解 ...
- Python网络爬虫与信息提取(二)—— BeautifulSoup
BeautifulSoup官方介绍: Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式. 官方 ...
- python网络爬虫与信息提取 学习笔记day2
Day2: 查看robots协议: 查看京东的robots协议 查看百度的robots协议,可以看到百度拒绝了搜狗的爬虫233 爬取京东商品页面相关信息: import requests url = ...
随机推荐
- EF实体模型的更新
摘要 解决前期数据库优先添加的实体,然后数据库表结构发生变化后,导致代码操作EF插入更新数据失败问题 EF 数据库更新模型 相比大家在使用实体操作数据库的时候,都是采取数据库优先,手动添加实体模型.但 ...
- C++中无数据成员的类的对象占用内存大小
结论: 对于没有数据成员的对象,其内存单元也不是0,c++用一个内存单元来表示这个实例对象的存在. 如果有了数据或虚函数(虚析构函数),则相应的内存替代1标记自己的存在. PS:以下代码均在win32 ...
- java调js基础
public static void main(String[] args)throws Exception { ScriptEngine se = new ScriptEngineManager() ...
- ES6之主要知识点(四)数值
引自:http://es6.ruanyifeng.com/#docs/number 1.Number.isFinite(),Number.isNaN() Number.isFinite(); // t ...
- css3 做border = 0.5px的细线
参考: https://blog.csdn.net/Tyro_java/article/details/52013531
- DOS批处理脚本
先概述一下批处理是个什么东东.批处理的定义,至今我也没能给出一个合适的----众多高手们也都没给出----反正我不知道----看了我也不一定信服----我是个菜鸟,当然就更不用说了:但我想总结出一个“ ...
- FPFH+ICP点云配准
A, UniformSampling降噪 B, ISS计算关键点, FPFH特征 在FeatureCloud::setInputCloud中读入点云,并调用processInput进行处理: proc ...
- 转载https://www.luogu.org/problemnew/solution/P1665,http://bailian.openjudge.cn/practice/2002/的新解法
不知道为什么O(n^4)O(n4)的玄学方法能过,正解显然是O(n^2)O(n2)的,枚举对角线,然后算出另外两点判断存不存在. 关键就在怎么通过对角线算出另外两点的坐标. 先贴公式. int mid ...
- DFS-深度优先搜索与BFS-广度优先搜索
1.DFS DFS是一个递归过程.(类似于二叉树的前序遍历) 参考:深度优先搜索(Depth-First-Search)精髓 2.BFS 可以理解为按层遍历,借助队列结构来实现.(类似于二叉树的层次遍 ...
- [Day1] 初识Nginx
一. Nginx的诞生 Nginx是一个高效的web及反向代理服务器,它的第一版发布于2012年,晚于如今占据最大市场份额的Apache.那么Nginx的诞生肩负了哪些使命呢?或者说它于Apache的 ...