Python requests爬虫

Python的requests库是一个强大且易于使用的HTTP库，用于发送HTTP请求和处理响应。它是Python中最受欢迎的网络爬虫框架之一，被广泛用于从网页中提取数据、爬取网站和进行API调用。

使用requests库，你可以轻松地发送各种HTTP请求，包括GET、POST、PUT、DELETE等。你可以创建一个HTTP请求对象，设置请求头、请求体和其他参数，然后发送请求并获取响应。requests库提供了许多方便的方法来处理响应，包括获取响应内容、解析JSON、解析HTML等。

如果本地 Python 环境没有安装 requests，可以在命令提示符窗口输入命令

复制代码

pip install requests

安装 requests 模块

我们可以随便打开一个网页，F12->"Ctrl+R"刷新，双击名称中的项

可以看到User-Agent和Cookie

以下是一些常用的requests库功能和用法：

发送GET请求：
复制代码
```
response = requests.get(url)
```

发送POST请求：

复制代码

response = requests.post(url, data=payload)

设置请求头：

复制代码

headers = {'User-Agent': 'Mozilla/5.0'}
response = requests.get(url, headers=headers)

传递URL参数：

复制代码

params = {'key1': 'value1', 'key2': 'value2'}
response = requests.get(url, params=params)

发送文件：

复制代码

files = {'file': open('file.txt', 'rb')}
response = requests.post(url, files=files)

获取响应内容：
复制代码
```
print(response.text)
```
解析JSON响应：
复制代码
```
json_data = response.json()
```

解析HTML响应：

复制代码

from bs4 import BeautifulSoup
soup = BeautifulSoup(response.text, 'html.parser')

处理异常：

复制代码

try:
    response = requests.get(url)
    response.raise_for_status()
except requests.HTTPError as e:
    print('HTTPError:', e)
except requests.ConnectionError as e:
    print('ConnectionError:', e)
except requests.Timeout as e:
    print('Timeout:', e)
except requests.RequestException as e:
    print('RequestException:', e)

以上只是requests库的一小部分功能，它还提供了许多其他高级功能和选项，例如会话管理、认证、代理设置等，可以帮助你轻松地进行网络爬虫和API调用。

完整的请求函数例程：

复制代码

import requests


def get_html(url):
    '''
    两个参数
    :param url:统一资源定位符,请求网址
    :param headers:请求头
    :return html 网页的源码
    :return sess 创建的会话
    '''
    
     # 请求头
    headers={'User-Agent': '复制了放这里'}
    # 创建Session, 并使用Session的get请求网页
    sess = requests.Session()
    response = sess.get(url=url,headers = headers)
    # 获取网页信息文本
    html = response.text

    return html, sess