目录
- 前言
- 一、requests模块
- 二、requests携带参数的方式
- 三、get请求URL解码编码
- 四、post请求携带数据编码格式
- 五、get请求携带请求头
- 六、post请求携带参数
- 七、requests.session的使用(可以不用带cookie)
- 八、requests模块其他参数
- 九、response对象
- 十、最后
前言
爬虫是什么？；爬虫就是程序—>从互联网中，各个网站上，爬取数据【前提是：你能浏览的页面才能爬】，做数据清洗，保存到数据库的过程。
爬虫本质：模拟方式发送http请求、然后获取数据、再做数据清洗、最后保存到数据库
爬虫的重点：如何发送http请求？如何解析数据？
本篇爬虫知识主要包括(不会一次性写完，分好几篇文章写完)：
- 模拟发送http请求(requests模块、selenium)
- 反扒(封IP：IP代理、封账号：cookie池)
- 解析数据(bs4)
- 入库(保存到MySQL、Redis等数据库以及普通文件)
- 爬虫框架(scrapy)
一、requests模块
使用python为什么能发送http请求，原因是该模块封装了Python内置模块urllib(起之前用到的urllib，requests模块的api更加便捷,本质就是封装了urllib3)
安装模块
python">pip install requests
基本使用
python">import requests
res = requests.get('网址') # 获取数据发送get请求
print(res.text) # text 参数可以打印出页面HTML代码
二、requests携带参数的方式
python">第一：直接在URL后面英文问号拼参数
res = requests.get('网址')
第二：使用params参数(其实最后效果跟第一种方式一样)
res = requests.get('网址',params={'name':'mire','age':18})
三、get请求URL解码编码
python">import requests
from urllib.parse import quote, unquote
res = requests.get('网址', params={'name': '无霸哥', 'age': 18})
print(res.url) # https://docs.qq.com/doc/DVURhUVhkeWZGS3lB
"""
我们平时在浏览器上搜关键字，有时候当前网址后面拼搜索关键字但是其已经url编码的具体样子如下
https://www.cnblogs.com/almira998/p/17208674.html?name=%E9%98%BF%E4%B8%BD%E7%B1%B3%E7%83%AD&age=18
怎么样？是不是很眼熟啊，这就是url编码后的效果
"""
'''
那么我们可以研究下如编码和解码
首先要导入模块 from urllib.parse import quote, unquote
quote：代表编码
unquote：代表解码
'''
# 演示一下编码和解码
res = quote('无霸哥')
print(res) # %E9%98%BF%E4%B8%BD%E7%B1%B3%E7%83%AD
res1 = unquote('%E9%98%BF%E4%B8%BD%E7%B1%B3%E7%83%AD')
print(res1) # 无霸哥
四、post请求携带数据编码格式
python">import requests
# data对应字典，这样写，编码方式是urlencoded
requests.post(url='xxxxxxxx',data={'xxx':'yyy'})
# json对应字典，这样写，编码方式是json格式
requests.post(url='xxxxxxxx',json={'xxx':'yyy'})
# 终极方案，编码就是json格式
requests.post(url='',
data={'':1,},
headers={
'content-type':'application/json'
})
五、get请求携带请求头
python"># (反爬虫措施之一)
Connection: keep-alive # 该参数的作用保持链接状态，因为http协议本质是基于TCP协议的(无连接、无状态)
Cookie: 很长的字符串删掉; # 带着cookie就可以信任为登录状态，请求比较容易成功
User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/110.0.0.0 Safari/537.3 # 表示客户端的类型 比如操作系统浏览器类型等等
python">import requests
# 先用字典的形式包装好
headers = {
'Connection':'keep-alive',
'Cookie':'一堆字符串',
'User-Agent':''
'Referer':'上一个浏览的网址'
}
res = requests.get('网址', headers=headers) # headers=headers表明携带请求头
print(res.text)
六、post请求携带参数
python"># 发送post请求需要以下参数
"""
1、携带登录信息(用户名、密码、验证码)
2、携带cookie
3、携带请求头headers
"""
python">import requests
data = {
'username': '',
'password': '',
'captcha': '3456',
'remember': 1,
'ref': '网址',
'act': 'act_login'
}
headers = {
'Connection':'keep-alive',
'Cookie':'一堆字符串',
'User-Agent':''
}
res = requests.get('网址', data=data, headers=headers)
print(res.text)
"""
登录一般都是post请求，需要细带cookie
但是有些网站啊有双token认证 严重影响了爬虫的效率
requests.session() 意思就是保持对话
使用requests.session就不用带cookie
"""
# 使用方法
session = requests.session()
res = session.post('网址', data=data)
res1 = session.get('网址') # 自动保持登录状态，自动携带cookie
七、requests.session的使用(可以不用带cookie)
python">import requests
# 在data参数里需要携带用户名密码验证码等基本信息
data = {
'username': '748989764qq.qun',
'password': 'almira10054X',
'referer': '网址'
}
# 发post请求，参数里面传data参数
session = requests.session()
res = session.post('网址, data=data)
print(res.text)
八、requests模块其他参数
python"># 研究主题：爬取肯德基门店信息
# 目标网址：http://www.kfc.com.cn/kfccda/storelist/index.aspx
"""
在浏览器的控制台请求体中解析出来的数据
代码中放到data中发送请求
cname:
pid:
keyword: 上海
pageIndex: 1
pageSize: 10
"""
python">import requests
data = {
'cname': '',
'pid': '',
'keyword': '上海',
'pageIndex': 1,
'pageSize': 10,
}
res = requests.post('http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword', data=data, verify=False)
print(res.json()) # .json()可以解析json格式数据
"""
发送http请求，返回的数据会有xml格式，也有json格式
如果res.text >>>转的是xml格式
如果res.json() >>>转的是json格式
verify=False 该参数不验证证书,报警告,返回200
urllib3.disable_warnings() #关闭警告
手动携带证书信息即可
"""
九、response对象
python"># Response相应对象的属性和方法
import requests
headers = {
'User-Agent': '一些pc和浏览器配置信息'
}
respone=requests.get('网址',headers=headers)
# respone属性
print(respone.text) # 响应体转成了字符串
print(respone.content) # 响应体的二进制内容
print(respone.status_code) # 响应状态码
print(respone.headers) # 响应头
print(respone.cookies) # cookie是在响应头，cookie很重要，它单独做成了一个属性
print(respone.cookies.get_dict()) # cookieJar对象---》转成字段
print(respone.cookies.items()) # cookie的键值对
print(respone.url) # 请求地址
print(respone.history) # 不用关注
print(respone.encoding) # 响应编码格式
十、最后
最后，给大家准备的👇👇👇Python资料、源码、整套学习路线图、素材、解答、皆点击下方获取呀👇👇👇
本文所有模块\环境\源码\教程皆可点击此处跳转免费领
