爬蟲筆記1 Requests庫的基本方法

目標：掌握定向網路資料爬取和網頁解析的基本能力

課程設定.png

◆1◆ requests庫的7種主要方法

方法說明

requests.request()構造乙個請求，支撐以下各方法的基礎方法

requests.get()獲取html網頁的主要方法，對應於http的get

requests.head()獲取html網頁頭資訊的方法，對應於http的head

requests.post()向html網頁提交post請求，對應於http的post

requests.put()向html網頁提交put請求，對用於http的put

requests.patch()向html網頁提交區域性修改請求，對應於http的patch

requests.delete()向html網頁提交刪除請求，對應於http的delete

◆ requests.get()方法

r = requests.get(url)

構造乙個向伺服器請求的request(大寫)物件,返回乙個包含伺服器資源的response(大寫)物件,用變數r表示。

其完整使用方法為：

requests.get(url,params=none,**kwargs)

params：url中的額外引數，字典或位元組流格式，可選

**kwargs：12個控制訪問的引數

import requests
r = requests.get('')
print(r.status_code)  # 狀態碼，200表示訪問正常
print(type(r))  # 可以看到response為乙個類
print(r.headers)  # 獲取頭部資訊

輸出：

200
>>> r = requests.request('get', '', params = kv)
>>> print(r.url)

在給定的url中後面多了乙個問號，問號後面key1=value1,&key2=value2。通過parame引數，我們可以把一些鍵值對增加到url中，然後再去訪問，伺服器根據這些引數篩選部分資源返回。

引數2 data

data，它可以是字典、位元組序列或檔案物件，作為向伺服器提供或提交資源時使用。

引數3 json

json格式是http協議使用的最經常使用的資料格式，作為內容部分可以向伺服器提交，比如說用字典構造乙個鍵值對，可以把它複製給json引數，那麼這個鍵值對就複製到伺服器的json裡面。

>>> kv = 
>>> r = requests.request('post', '', json= kv)

引數4 headers

>>> hd = 
>>> r = requests.request('post', '', headers = hd)

把user-agent變為chrome/10，那麼在訪問某乙個鏈結時，我們可以把這樣的字段賦給headers，此時headers再去向伺服器訪問時伺服器看到的user-agent欄位就是chrome/10

引數5 cookies 和 auth

cookies和auth都是requests庫的高階功能。

cookies指的是從http協議中解析cookie，它可以是字典，也可以是cookiejar形式。

auth欄位是乙個元組型別，它是支援http認證功能的

引數6 files

顧名思義，它是向伺服器傳輸檔案時使用的字段。我們可以定義乙個字典，用file，以對應的檔案為鍵值對，用open的方式開啟這個檔案，並把這個檔案與files做乙個關聯，同時對應到相關的url上。通過這樣的方法，我們可以向某乙個鏈結提交某乙個檔案，這個在特定應用時還是非常有用的。

>>> fs = 
>>> r = requests.request('post', '', files= fs)
>>>

引數7 timeouttimeout設定的超時時間，以秒為單位。當我們發起乙個get請求時，我們可以設乙個timeout時間，如果在timeout時間內，我們的請求內容沒有反饋回來，那麼它將產生乙個timeout的異常。

>>> r = requests.request('post', '', timeout= 10)
>>>

引數8 proxies

>>> pxs = 
>>> r.text
''

通過requests.head()方法可以較少流量獲取網頁資源的概要資訊。

◆2◆ http協議對資源的操作

http協議對資源的操作

http(hypertext transfer protocol)指的是超文字傳輸協議。超文字傳輸協議是一種基於請求與響應模式的無狀態的應用層協議。

應用層協議：指的是該協議工作在tcp協議之上