requests模块的基本使用
# requests模块的入门使用
# 学习目标：
- 了解 requests模块的介绍
- 掌握 requests的基本使用
- 掌握 response常见的属性
- 掌握 requests.text和content的区别
- 掌握 解决网页的解码问题
- 掌握 requests模块发送带headers的请求
- 掌握 requests模块发送带参数的get请求
# 1 为什么要重点学习requests模块，而不是urllib
- requests的底层实现就是urllib
- requests在python2 和python3中通用，方法完全一样
- requests简单易用
- Requests能够自动帮助我们解压(gzip压缩的等)响应内容
# 2 requests的作用
作用：发送网络请求，返回响应数据
中文文档 ： http://docs.python-requests.org/zh_CN/latest/index.html (opens new window)
通过观察文档来学习：如何使用requests来发送网络请求
# 3 requests模块发送简单的get请求、获取响应
需求：通过requests向百度首页发送请求，获取百度首页的数据
import requests
# 目标url
url = 'https://www.baidu.com'
# 向目标url发送get请求
response = requests.get(url)
# 打印响应内容
print(response.text)
2
3
4
5
6
7
8
9
10
# response的常用属性：
response.text响应体 str类型respones.content响应体 bytes类型response.status_code响应状态码response.request.headers响应对应的请求头response.headers响应头response.request.cookies响应对应请求的cookieresponse.cookies响应的cookie（经过了set-cookie动作）
# 思考：text是response的属性还是方法呢？
- 一般来说名词，往往都是对象的属性，对应的动词是对象的方法
# 3.1 response.text 和response.content的区别
response.text- 类型：str
- 解码类型： requests模块自动根据HTTP 头部对响应的编码作出有根据的推测，推测的文本编码
- 如何修改编码方式：
response.encoding=”gbk”
response.content- 类型：bytes
- 解码类型： 没有指定
- 如何修改编码方式：
response.content.deocde(“utf8”)
获取网页源码的通用方式：
response.content.decode()response.content.decode("GBK")response.text
以上三种方法从前往后尝试，能够100%的解决所有网页解码的问题
所以：更推荐使用response.content.deocde()的方式获取响应的html页面
# 3.2 练习：把网络上的图片保存到本地
我们来把
www.baidu.com的图片保存到本地
# 思考：
- 以什么方式打开文件
- 保存什么格式的内容
分析：
- 图片的url: https://www.baidu.com/img/bd_logo1.png (opens new window)
- 利用requests模块发送请求获取响应
- 以2进制写入的方式打开文件，并将response响应的二进制内容写入
import requests
# 图片的url
url = 'https://www.baidu.com/img/bd_logo1.png'
# 响应本身就是一个图片,并且是二进制类型
response = requests.get(url)
# print(response.content)
# 以二进制+写入的方式打开文件
with open('baidu.png', 'wb') as f:
# 写入response.content bytes二进制类型
f.write(response.content)
2
3
4
5
6
7
8
9
10
11
12
13
14
# 4 发送带header的请求
我们先写一个获取百度首页的代码
import requests
url = 'https://www.baidu.com'
response = requests.get(url)
print(response.content)
# 打印响应对应请求的请求头信息
print(response.request.headers)
2
3
4
5
6
7
8
9
10
# 4.1 思考
对比浏览器上百度首页的网页源码和代码中的百度首页的源码，有什么不同？
代码中的百度首页的源码非常少，为什么？
# 4.2 为什么请求需要带上header？
模拟浏览器，欺骗服务器，获取和浏览器一致的内容
# 4.3 header的形式：字典
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
# 4.4 用法
requests.get(url, headers=headers)
# 4.5 完整的代码
import requests
url = 'https://www.baidu.com'
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
# 在请求头中带上User-Agent，模拟浏览器发送请求
response = requests.get(url, headers=headers)
# print(response.content)
# 打印请求头信息
print(response.request.headers)
2
3
4
5
6
7
8
9
10
11
12
13
# 5 发送带参数的请求
我们在使用百度搜索的时候经常发现url地址中会有一个
?，那么该问号后边的就是请求参数，又叫做查询字符串
# 5.1 什么叫做请求参数：
例1： http://www.webkaka.com/tutorial/server/2015/021013/ (opens new window)
例2：https://www.baidu.com/s?wd=python&a=c (opens new window)
例1中没有请求参数！例2中?后边的就是请求参数
# 5.2 请求参数的形式：字典
kw = {'wd':'长城'}
# 5.3 请求参数的用法
requests.get(url,params=kw)
# 5.4 关于参数的注意点
在url地址中， 很多参数是没有用的，比如百度搜索的url地址，其中参数只有一个字段有用，其他的都可以删除 如何确定那些请求参数有用或者没用：挨个尝试！ 对应的,在后续的爬虫中，越到很多参数的url地址，都可以尝试删除参数
# 5.5 两种方式：发送带参数的请求
# 5.5.1 对https://www.baidu.com/s?wd=python发起请求可以使用requests.get(url, params=kw)的方式
# 方式一：利用params参数发送带参数的请求
import requests
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
# 这是目标url
# url = 'https://www.baidu.com/s?wd=python'
# 最后有没有问号结果都一样
url = 'https://www.baidu.com/s?'
# 请求参数是一个字典 即wd=python
kw = {'wd': 'python'}
# 带上请求参数发起请求，获取响应
response = requests.get(url, headers=headers, params=kw)
# 当有多个请求参数时，requests接收的params参数为多个键值对的字典，比如 '?wd=python&a=c'-->{'wd': 'python', 'a': 'c'}
print(response.content)
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 5.5.2 也可以直接对https://www.baidu.com/s?wd=python完整的url直接发送请求，不使用params参数
# 方式二：直接发送带参数的url的请求
import requests
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
url = 'https://www.baidu.com/s?wd=python'
# kw = {'wd': 'python'}
# url中包含了请求参数，所以此时无需params
response = requests.get(url, headers=headers)
2
3
4
5
6
7
8
9
10
11
# 6 作业
1.获取新浪首页，查看response.text 和response.content.decode()的区别
2.实现任意贴吧的爬虫，保存网页到本地
# 小结
- requests模块的介绍：能够帮助我们发起请求获取响应
- requests的基本使用：
requests.get(url) - 以及response常见的属性：
response.text响应体 str类型respones.content响应体 bytes类型response.status_code响应状态码response.request.headers响应对应的请求头response.headers响应头response.request._cookies响应对应请求的cookieresponse.cookies响应的cookie（经过了set-cookie动作）
- 掌握 requests.text和content的区别：text返回str类型，content返回bytes类型
- 掌握 解决网页的解码问题：
response.content.decode()response.content.decode("GBK")response.text
- 掌握 requests模块发送带headers的请求：
requests.get(url, headers={}) - 掌握 requests模块发送带参数的get请求：
requests.get(url, params={})