2-requests模块（6节课学会爬虫）

2-requests模块（6节课学会爬虫）

• 1，安装requests
• 2，发送get，post请求，获取响应
• 3，response的方法
• • 方法一（Response.text）
  • 方法二（response.content.decode()）
• 4，获取网页源码的正确打开方式（一定能获取网页正确解码的字符串）
• 5，发送带header的请求
• 6，使用超时参数
• 7，Retrying模块的学习
• 8，处理cookie相关的请求
• • 方法一，直接携带cookie请求url地址
  • 方法二，在程序中登录

1，安装requests

pip install requests

2，发送get，post请求，获取响应

Response = requests.get(url) 发送get请求，请求url地址对应的响应

发送post请求

Data={请求体的字典}
response = requests.post(url,data=data)  

下面模拟浏览器发送post请求，能进行翻译

（1）找到要发送的url地址

import requests

url = "https://fanyi.baidu.com/basetrans"

（2）要携带的数据，在最下方

将其复制到字典中，并变成键值对的形式

程序如下（data内容并不全面，需补充，可能是导致后方，无法返回结果的原因）

data={
    "query": "人生苦短，我学python",
    "from":"zh",
    "to": "en"
    }

3，response的方法

方法一（Response.text）

该方式往往会出现乱码，出现乱码使用response.encoding="utf-8"进行解码

ç™¾åº¦ä¸€ä¸‹ï¼Œä½ å°±çŸ

import requests

url = "http://www.baidu.com"
response = requests.get(url)    #发送get请求
#print(response)                 #<Response [200]>尖括号表示对象，200是状态码

response.encoding="utf-8"
print(response.text)

百度一下，你就知道

方法二（response.content.decode()）

把响应的二进制流转换成str类型

import requests

url = "http://www.baidu.com"
response = requests.get(url)    #发送get请求
#print(response)                 #<Response [200]>尖括号表示对象，200是状态码

#获取网页的HTML字符串
# response.encoding="utf-8"
# print(response.text)

print(response.content.decode())

Response.requests.url			#发送请求的url地址
Response.url					#response响应的url地址
Response.requests.headers		#请求头
Response.headers				#响应请求

4，获取网页源码的正确打开方式（一定能获取网页正确解码的字符串）

当要获取网页时，使用下方的从前向后，第一种无法获取正确网页时，使用第二种，最后第三种，一定是可以能够获取的

1.response.content.decode()
2.response.content.decode("gbk")
3.reponse.content.decode('unicode-escape')
4.response.text

import requests

url = "https://fanyi.baidu.com/basetrans"
data={
    "query": "人生苦短，我学python",
    "from":"zh",
    "to": "en"
    }

reponse = requests.post(url,data=data)
print(reponse)
print(reponse.content.decode())         

上方状态码是200，但是没有响应结果，虽然请求发出去了，但对方服务器将我们识别为爬虫了，所以不给响应

只有url和data是不够的，还需要headers的字段内容

5，发送带header的请求

为了模拟浏览器，获取和浏览器一模一样的内容

headers = {"user-agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 13_2_3 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/13.0.3 Mobile/15E148 Safari/604.1"}

当发现user-agent请求时还不能成功，需要再加入其它的参数，如下，可以将除cookie的所有参数带上，再不成功的话就只能带上cookie（百度翻译是必须要带上cookie的，有user-agent和cookie就足够了，但cookie最好不要使用自己的容易泄露很多信息）

headers = {"user-agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 13_2_3 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/13.0.3 Mobile/15E148 Safari/604.1","referer": "https://fanyi.baidu.com/?aldtype=16047"}
reponse = requests.post(url,data=data,headers=headers)

因为手机版的返回错误，故使用网页版的进行测试（网页版的测试成功了，手机版只有user-agent和cookie的话好像不行）

#模拟浏览器访问

url = "https://fanyi.baidu.com/v2transapi?from=zh&to=en"
data={
    "from": "zh",
    "to": "en",
    "query": "你好",
    "transtype": "translang",
    "simple_means_flag": "3",
    "sign": "232427.485594",
    "token": "365f8c1b81a6764199c2f387c1da6e2f",
    "domain": "common"
    }
headers = {
    # "accept-encoding": "gzip, deflate, br",
    # "accept-language": "zh-CN,zh;q=0.9",
    # "cache-control": "no-cache",
    # "content-length": "150",
    # "content-type": "application/x-www-form-urlencoded; charset=UTF-8",
    # "origin": "https://fanyi.baidu.com",
    # "pragma": "no-cache",
    # "referer":"https://fanyi.baidu.com/v",
    # "sec-fetch-destv": "empty",
    # "sec-fetch-mode": "cors",
    # "sec-fetch-site": "same-origin",
    # "x-requested-with": "XMLHttpRequest",
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36",
    "cookie": "使用自己的"
    }

reponse = requests.post(url,data=data,headers=headers)
print(reponse.content.decode())

打印结果如下，有非常多的垃圾信息

{"trans_result":{"data":[{"dst":"Hello","prefixWrap":0,"result":[[0,"Hello",["0|6"],[],["0|6"],["0|5"]]],"src":"\u4f60\u597d"}],"from":"zh","status":0,"to":"en","type":2},1\",0]],[[\"'\",\"w_332\",\"w_321,w_332\",0],[\"Hi\",\"w_333\",\"w_322,w_333\",0],[\",\",\"w_334\",\"w_323,w_334\",0,\" \"],

6，使用超时参数

平时请求一个网页，当网络不好等会出现一直刷新的情况，一旦有一个页面卡住，就会效率低，可以使用超时参数进行改进，超时参数避免超时，会报错可以进行错误捕获

Requests.get(url,headers=headers,timeout=3)  #3秒内必须返回响应，否则会报错

7，Retrying模块的学习

使用retry模块，将其定义一个函数，用来进行url的访问

Retry能够执行一个函数反复执行多少次当其报错的时候

Pip install retrying

import requests
from retrying import retry

#下方是电脑版的，若是手机版的，还需要更改为手机版
headers = {"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"}

@retry(stop_max_attempt_number=3)       #让下面被装饰的函数反复执行三次，三次全部报错才会报错，中间有一次正常，程序继续往后走
def _parse_url(url):
    print("*"*100)
    response = requests.get(url,headers=headers,timeout=5)
    return response.content.decode()

def parse_url(url):
    try:
        html_str = _parse_url(url)
    except:
        html_str = None
    return html_str

if __name__ == '__main__':
    url = "http://www.baidu.com"
    print(parse_url(url)[:100])         #只打印前100字符串，此处访问成功只出现一行*
    url1 = "www.baidu.com"              #此处地址有误
    print(parse_url(url1))              #会出现三行*

8，处理cookie相关的请求

人人网

方法一，直接携带cookie请求url地址

先在页面登录了，网页检查可得到cookie

（1）cookie放在headers中

Headers = {"user-agent":"....","cookie":"cookie 字符串"}

（2）cookie字典传给cookies参数

Cookied 的字典，与上方的headers形式是完全不同的，这不详细写了，可在网上查找

Requests.get(url,cookies=cookie_dict)

有些需要登录的是需要cookie的

方法二，在程序中登录

不直接在网上登录，而是在程序中登录，输入账号，密码

先发送post请求，获取cookie，带上cookie请求登录后的页面

1.session = requests.session()	#seesion具有的方法和requests一样
2.Session.post(url,data,headers)	#服务器设置在本地的cookie会存在session
3.Session.get(url)	#会带上之前保存在session中的cookie

我们可以通过抓包，得到登录界面的请求post地址，

或者在form表单找action的url地址，或者模拟鼠标的selnum的模块，进行点击登录，输入账号密码（当密码在js中加密时）

在某些网站，会判断我们是否有cookie来判断我们是否为爬虫，也可以使用session先请求url地址，再

当我们使用一个用户名密码爬取大量数据，也是会被服务器认为是爬虫，这就需要有多套用户名密码，发送请求随机用户名密码进行请求