使用requests庫怎么實現一個python爬蟲

使用requests庫怎么實現一個python爬蟲？相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

requests庫

利用pip安裝:
pip install requests

基本請求

req = requests.get("https://www.baidu.com/")
req = requests.post("https://www.baidu.com/")
req = requests.put("https://www.baidu.com/")
req = requests.delete("https://www.baidu.com/")
req = requests.head("https://www.baidu.com/")
req = requests.options(https://www.baidu.com/)

1.get請求

參數是字典，我們可以傳遞json類型的參數：

import requests
from fake_useragent import UserAgent#請求頭部庫
headers = {"User-Agent":UserAgent().random}#獲取一個隨機的請求頭
url = "https://www.baidu.com/s"#網址
params={
  "wd":"豆瓣"  #網址的后綴
}

requests.get(url,headers=headers,params=params)

返回了狀態碼，所以我們要想獲取內容，需要將其轉成text：

#get請求

headers = {"User-Agent":UserAgent().random}
url = "https://www.baidu.com/s"
params={
  "wd":"豆瓣"
}

response = requests.get(url,headers=headers,params=params)
response.text

2.post 請求

參數也是字典，也可以傳遞json類型的參數：

import requests 
from fake_useragent import UserAgent

headers = {"User-Agent":UserAgent().random}

url = "https://www.baidu.cn/index/login/login" #登錄賬號密碼的網址
params = {
  "user":"1351351335",#賬號
  "password":"123456"#密碼
}

response = requests.post(url,headers=headers,data=params)
response.text

因為這里需要一個登錄的網頁，我這里就隨便用了一個，沒有登錄，所以顯示的結果是這樣的，如果想要測試登錄的效果，請找一個登錄的頁面去嘗試一下。

3.IP代理

采集時為避免被封IP，經常會使用代理，requests也有相應 的proxies屬性。

#IP代理

import requests 
from fake_useragent import UserAgent

headers = {"User-Agent":UserAgent().random}
url = "http://httpbin.org/get" #返回當前IP的網址

proxies = {
  "http":"http://yonghuming:123456@192.168.1.1:8088"#http://用戶名:密碼@IP:端口號
  #"http":"https://182.145.31.211:4224"# 或者IP：端口號
}

requests.get(url,headers=headers,proxies=proxies)

代理IP可以去：快代理去找，也可以去購買。
http://httpbin.org/get。這個網址是查看你現在的信息：

4.設置訪問超時時間

可以通過timeout屬性設置超時時間，一旦超過這個時間還沒獲取到響應內容，就會提示錯誤。

#設置訪問時間
requests.get("http://baidu.com/",timeout=0.1)

5.證書問題(SSLError:HTTP)

ssl驗證。

import requests 
from fake_useragent import UserAgent #請求頭部庫

url = "https://www.12306.cn/index/" #需要證書的網頁地址
headers = {"User-Agent":UserAgent().random}#獲取一個隨機請求頭

requests.packages.urllib3.disable_warnings()#禁用安全警告
response = requests.get(url,verify=False,headers=headers)
response.encoding = "utf-8" #用來顯示中文，進行轉碼
response.text

6.session自動保存cookies

import requests
from fake_useragent import UserAgent

headers = {"User-Agent":UserAgent().chrome}
login_url = "https://www.baidu.cn/index/login/login" #需要登錄的網頁地址
params = {
  "user":"yonghuming",#用戶名
  "password":"123456"#密碼
}
session = requests.Session() #用來保存cookie

#直接用session 歹意requests 
response = session.post(login_url,headers=headers,data=params)

info_url = "https://www.baidu.cn/index/user.html" #登錄完賬號密碼以后的網頁地址
resp = session.get(info_url,headers=headers)
resp.text

因為我這里沒有使用需要賬號密碼的網頁，所以顯示這樣：

我獲取了一個智慧樹的網頁

#cookie 

import requests
from fake_useragent import UserAgent

headers = {"User-Agent":UserAgent().chrome}
login_url = "https://passport.zhihuishu.com/login?service=https://onlineservice.zhihuishu.com/login/gologin" #需要登錄的網頁地址
params = {
  "user":"12121212",#用戶名
  "password":"123456"#密碼
}
session = requests.Session() #用來保存cookie

#直接用session 歹意requests 
response = session.post(login_url,headers=headers,data=params)

info_url = "https://onlne5.zhhuishu.com/onlinWeb.html#/stdetInex" #登錄完賬號密碼以后的網頁地址
resp = session.get(info_url,headers=headers)
resp.encoding = "utf-8"
resp.text

7.獲取響應信息

看完上述內容，你們掌握使用requests庫怎么實現一個python爬蟲的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！