在数据收集与分析的广阔领域中,网络爬虫是一项基础而强大的技能。requests库是Python中用于发送HTTP请求的第三方库,它简洁易用,非常适合初学者学习网络爬虫。本文将带你一步步了解如何使用requests库进行基本的网络爬虫操作。
一、安装requests库
在开始之前,确保你的Python环境已经安装了requests库。如果未安装,可以通过pip命令轻松安装:
pip install requests
二、发送HTTP请求
2.1 GET请求
GET请求是最常用的HTTP请求方法之一,用于请求访问已被URI(统一资源标识符)识别的资源。使用requests.get()方法可以发送GET请求。
import requests
发送GET请求
response = requests.get('https://www.example.com')
打印响应状态码
print(response.status_code)
打印响应内容(文本形式)
print(response.text)
2.2 POST请求
POST请求通常用于向服务器提交数据(如表单提交)。使用requests.post()方法,并可以通过data参数传递要发送的数据。
import requests
发送POST请求,提交表单数据
data = {'key': 'value'}
response = requests.post('https://www.example.com/post', data=data)
打印响应内容
print(response.text)
三、处理响应
3.1 响应状态码
HTTP响应状态码表示了HTTP请求的结果。通过response.status_code可以获取到状态码。
3.2 响应内容
response.text:以字符串形式返回响应内容,适用于文本或JSON数据。
response.content:以字节形式返回响应内容,适用于二进制数据(如图片)。
3.3 JSON数据
如果响应内容是JSON格式,可以直接使用response.json()方法解析为Python字典。
import requests
response = requests.get('https://api.example.com/data')
解析JSON数据
data = response.json()
打印解析后的数据
print(data)
四、请求头与请求参数
4.1 自定义请求头
有时候,服务器会根据请求头中的信息来响应请求。你可以通过headers参数自定义请求头。
python
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
response = requests.get('https://www.example.com', headers=headers)
4.2 传递请求参数
对于GET请求,有时需要在URL中附加查询参数。可以通过params参数以字典形式传递这些参数,requests会自动将它们编码并附加到URL上。
params = {'key1': 'value1', 'key2': 'value2'}
response = requests.get('https://www.example.com/search', params=params)
五、异常处理
在进行网络请求时,可能会遇到各种异常(如网络问题、服务器错误等)。使用try...except语句块可以优雅地处理这些异常。
import requests
from requests.exceptions import RequestException
try:
response = requests.get('https://wrong-url.com')
response.raise_for_status() # 如果响应状态码不是200,则抛出HTTPError异常
except RequestException as e:
print(e)
六、总结
本文介绍了如何使用requests库进行基本的网络爬虫操作,包括发送GET和POST请求、处理响应、自定义请求头和参数,以及异常处理。这只是requests库功能的冰山一角,更多高级用法(如会话对象、Cookie处理、代理设置等)等待你去探索。希望这篇文章能为你的爬虫之旅提供一个良好的起点。