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---