爬虫中request模块

一、基本使用

1、导入模块

复制代码
import requests

2、指定URL

复制代码
url = "https://httpbin.org/id"

3、发送请求

  • 使用requests.get(url)发送GET请求。
  • 使用requests.post(url, data=data, headers=headers)发送POST请求,其中data是请求体中的数据,headers是请求头信息。

4、 获取响应:

  • 响应对象包含了服务器返回的所有信息,如状态码、响应内容等。
  • 示例代码:response = requests.get(url)

5、解析响应:

  • 通过response.text获取响应内容的字符串形式。
  • 通过response.content获取响应内容的二进制形式。
  • 通过response.status_code获取HTTP状态码,如200表示成功。
  • 通过response.headers获取响应头信息。

6、持久化存储(可选):将爬取的数据保存到文件或数据库中。

二、HTTP请求类型

  • GET:用于请求访问已被URI(统一资源标识符)识别的资源。
  • POST:用于提交表单数据或上传文件。
  • HEAD:类似于GET请求,但服务器在响应中只返回首部,不返回实体的主体部分。
  • PUT:用于上传文件,更新资源等。
  • DELETE:请求服务器删除指定的页面。
  • OPTIONS:允许客户端查看服务器的性能。
  • PATCH:用于对资源进行部分修改。
  • CONNECT:HTTP/1.1协议中预留给能够将连接改为管道方式的代理服务器。
  • TRACE:回显服务器收到的请求,主要用于测试或诊断。

三、请求头(Headers)

在发送HTTP请求时,通常需要设置请求头以模拟浏览器行为或传递额外信息。常见的请求头包括:

  • User-Agent:客户端标识,告诉服务器客户端使用的操作系统、浏览器等信息。
  • Accept:指定客户端能够接收的内容类型。
  • Accept-Encoding:指定客户端支持的内容编码类型。
  • Accept-Language:指定客户端优先使用的语言。
  • Connection:指定客户端是否希望保持连接。
  • Cookie:用于在HTTP请求中传递会话信息。

四、注意:

1、get 传递数据需要使用params

2、connection:指定客户端是否希望保持连接

3、cookie 用于在HTTP请求中传递会话信息

4、post 传递数据使用data传值

5、'w' 模式表示"写入模式"

6、'wb' 二进制格式写入文件

7、Cookie在爬虫中的作用不可小觑。它不仅能够帮助爬虫维持会话状态、提高爬取效率,还能够增强爬虫的适应性,甚至帮助爬虫绕过一些网站的反爬机制。

相关推荐
子竹聆风16 小时前
Feapder框架UpdateItem使用技巧:如何优雅地实现"只更新有值字段"
爬虫
吴秋霖4 天前
主流反爬虫、反作弊防护与风控对抗手段
爬虫·算法·反爬虫技术
hui函数4 天前
scrapy框架-day02
后端·爬虫·python·scrapy
用户051610461675 天前
爬虫 API 技术全解析:从原理到实战的高效数据采集指南
爬虫·api
xiaoxiongip6666 天前
动态ip适合挂什么项目
网络·爬虫·python·网络协议·tcp/ip·ip
q567315237 天前
自动化拨号爬虫体系:虚拟机集群部署与增量管理
运维·爬虫·网络协议·自动化
电商API_180079052477 天前
淘宝商品视频批量自动化获取的常见渠道分享
java·爬虫·自动化·网络爬虫·音视频
果壳~8 天前
【Python】爬虫html提取内容基础,bs4
爬虫·python·html
jay神8 天前
基于Python的商品爬取与可视化系统
爬虫·python·数据分析·毕业设计·可视化系统
华科云商xiao徐8 天前
如何在C语言环境中借助Linux库构建高效网络爬虫
爬虫·数据挖掘·数据分析