自学内容网 自学内容网
自学内容网 > 正文

项目二：学会使用python爬虫请求库（小白入门级）

🕗 发布于 2024-04-21 02:04 python  爬虫  开发语言  

上一章已经了解python爬虫的基本知识，这一次让我们一起来学会如何使用python请求库爬取目标网站的信息。当然这次爬虫之旅相信我能给你带来不一样的体验。

目录

一、安装requests 库

简介

安装

步骤

1.requests的基本使用3步骤

2.查看所使用编码

3.设置编码

二、认识requests请求方法

GET请求

简介

基本语法

POST请求

简介

基本语法

一、安装requests 库

简介

requests库是一个Python HTTP客户端库，使得发送HTTP请求变得简单。

requests库提供了一种简洁直观的API，用于发送各种HTTP请求，如GET、POST、PUT、DELETE等，并处理返回的响应。

使用requests库，开发者可以轻松地添加头部信息、发送表单数据、上传文件、处理Cookies、使用代理等。它还支持SSL证书验证、连接超时设置、会话对象复用等高级功能。

requests库的设计哲学是“HTTP for Humans”（人类的HTTP），意味着它的API设计尽量符合人类的直觉，让HTTP请求变得像喝水一样自然。

安装

安装命令：pip install requests

注意你需要在安装python虚拟环境下执行，没有python虚拟环境安装命令会报错，当然你也可以使用其他软件来执行，比如pycham、vscode等都可以（前提是你要配置好python环境才能正常运行）

步骤
1.requests的基本使用3步骤
  • 导入模块
  • 发送get请求, 获取响应:
  • 从响应中获取数据:
#导入请求库
import requests
#设置请求网址
response = requests.get('https://www.baidu.com/')
#获取响应数据
print(response.text)

response 常见属性

  • response.text :  响应体 str类型
  • response.ecoding : 二进制转换字符使用的编码
  • respones.content:  响应体 bytes类型

输出结果：

vscode编辑器输出结果

但是作者发现输出的结果包含了一些特殊的字符，如ç¾åº¦ä¸ä¸ï¼äå°和è´´å»å½，这些字符实际上是UTF-8编码的中文字符，由于在命令提示符中没有正确显示，所以看起来像是乱码。

2.查看所使用编码

如果要想知道自已所使用的是什么编码，直接添加如下

# 导入请求库
import requests

# 设置请求网址
response = requests.get("https://www.baidu.com/") 

# 输出信息
print(response.text)

# 获取编码
print(response.encoding)

输出结果如下：

就可以看到圈红色的就是所使用的编码ISO-8859-1

小提示：

ISO-8859-1，也称为Latin-1，是一种单字节字符集编码，它是为了表示西欧语言中的大部分字符而设计的。这种编码标准是国际标准化组织（ISO）在1987年制定的，它是ISO 8859系列字符集编码中的第一个成员。

ISO-8859-1编码可以表示256个不同的字符，包括英文字母（大写和小写）、数字、标点符号以及一些特殊符号。此外，它还包括西欧语言中的特殊字符，如法语的ç、é、è、ê、ë，德语的ä、ö、ü，以及西班牙语的ñ等。

在计算机和网络技术中，ISO-8859-1曾经被广泛用作默认的字符编码，特别是在早期的互联网和电子邮件系统中。然而，随着多语言互联网内容的增长，这种编码逐渐被更通用的Unicode编码（如UTF-8）所取代，因为Unicode能够表示世界上大多数语言的字符，而ISO-8859-1仅限于西欧语言。

在HTML文档中，可以通过<meta charset="ISO-8859-1">标签来指定使用ISO-8859-1字符集。在HTTP头部信息中，也可以通过Content-Type字段来指定字符编码，例如：Content-Type: text/html; charset=ISO-8859-1。

3.设置编码

要想把我们的所获取的乱码变为中文字符，只需要设置编码为UTF-8即可，代码如下

# 导入请求库
import requests
# 设置请求网址
response = requests.get('https://www.baidu.com/') 
# 设置编码
response.encoding = 'utf8'
# 输出信息
print(response.text)

输出结果：

上图结果可知乱码变为中文，是不很简单啊，哈哈。

除了设置编码，还有其他使用技巧，比如代码如下

# 打印响应的二进制数据
print(response.content)

# 把二进制数据转换字符串
print(response.content.decode())

这两个代码可以单独使用或者组合使用，全看个人使用意愿，但最终目的是把不认识的字转换为我们能认识的字就可以了。

二、认识requests请求方法

这次我们来认识以下requests请求库的主要七个方法，如下：

requsts.requst() - > 构造一个请求，最基本的方法，是下面方法的支撑
requsts.get() - >获取网页，对应HTTP中的GET方法
requsts.post() - > 向网页提交信息，对应HTTP中的POST方法
requsts.head() - > 获取html网页的头信息，对应HTTP中的HEAD方法
requsts.put() - > 向html提交put方法，对应HTTP中的PUT方法
requsts.patch() - > 向html网页提交局部请求修改的的请求，对应HTTP中的PATCH方法
requsts.delete() - > 向html提交删除请求，对应HTTP中的DELETE方法

这次我们来简单的学会如何使用get方法和post方法

GET请求
简介
  • 用途：GET方法主要用于从服务器请求数据。可用于读取操作，并且结果会被显示给用户，如浏览网页。
  • 参数传递：GET方法的参数通过URL传递，通常以键值对的形式附加在URL之后。例如：http://example.com/index.php?name=value&anothername=value2。
  • 安全性：由于GET请求的参数在URL中可见，因此不适合传输敏感信息，如密码或个人信息。
  • 缓存：GET请求的结果可以被浏览器缓存，也可以被书签保存。
  • 数据量限制：GET方法由于参数在URL中传递，因此对传输的数据量有限制（URL长度限制）。
基本语法
#导入请求库
import requests
#发送GET请求
r = requests.get('http://httpbin.org/get')
#打印响应内容
print(r.text)

提示

r : 是一个Response对象，一个包含服务器资源的对象
get(url) : 是一个Request对象，构造一个向服务器请求资源的Request。

上述代码是先导入请求库，然后构建简单的get请求方法，设置请求目标网址，最后输出响应信息的一个简单流程。

输出结果

可以看到我们成功发送get请求，返回结果包含有请求头，URL，IP等信息。

下面我们来解释代码各行意思，相信你会了解代码的意图

{
  "args": {}, #空值，表示在GET请求中没有包含任何查询字符串参数。
   #请求头headers包含的列出内容
  "headers": {
    "Accept": "*/*", #指示客户端可以处理的MIME类型
    "Accept-Encoding": "gzip, deflate", #指示客户端可以接受的内容编码格式
    "Host": "httpbin.org", #指示服务器正在访问的主机名
    "User-Agent": "python-requests/2.31.0", #包含了发出请求的用户代理的信息
    "X-Amzn-Trace-Id": "Root=1-661cb1d9-5734386062c81b176d2d6f2b" #用于AWS X-Ray跟踪的请求ID
  },
  "origin": "112.224.144.133", #表示发出请求的客户端的IP地址
  "url": "http://httpbin.org/get" #表示请求的URL
}

根据上述简单的案例我想我们能够写出一个简单get请求方法，并且能读懂代码的意思，接下来我们在深入一下怎么使用带参数的get请求和传递参数

带参数的GET请求的格式

http://example.com/resource?param1=value1&param2=value2&param3=value3
  • http://example.com/resource 是资源的URL。
  • param1=value1&param2=value2&param3=value3 是查询字符串，包含了三个参数。
  • param1, param2, param3 是参数的名称（键）。
  • value1, value2, value3 是与参数名称相对应的值。

对于GET的请求如果我们想要添加多余的信息，一般需要在URL后面拼接，用一个【  ？】分割，参数传递过来后再用【 & 】的符号分割即可。例如我想要添加两个参数，其中name是China，age是5000，然后来构造这个请求连接，那这样的话就可以写为

r = requests.get('http://httpbin.org/get？name=China&age=5000')

0k，这行代码我们构造完毕，接下来我们再使用params这个用来传递参数，方便我们添加代码，一目了然。

提醒：构造好的代码理论上可以直接执行，但是一般情况下，此信息数据会用字典来存储。

代码如下：

import requests
# 设置参数
data = {
    'name':'China',
    'age':5000
}
# url拼接
r = requests.get('http://httpbin.org/get',params=data)
print(r.text)

输出结果：

好了上述代码我们已经学会如何使用GET请求，也学会了如何构造参数请求的方式和传递参数。

POST请求
简介
  • 用途：POST方法主要用于向服务器提交数据，以创建或更新资源。可用于产生副作用的操作，如表单提交。
  • 参数传递：POST方法的参数在请求体中传递，不会显示在URL中。这使得POST方法可以传输更大量的数据。
  • 安全性：POST方法相对GET方法来说更安全，因为参数不会在URL中暴露。
  • 缓存：POST请求的结果通常不会被浏览器缓存，也不能被书签保存。
  • 数据量限制：POST方法没有数据量限制，理论上可以传输更大量的数据，但实际上可能受到服务器配置或HTTP库的限制。
基本语法
# 导入请求库
import requests

# 发送请求
res = requests.post('http://www.httpbin.org/post',data={'username':'China','password':5000})

# text 接收返回内容
print(res.text)

注意哈，post方法用于提交数据，跟get方法不同

输出结果

提示：res作为变量名代表“response”的缩写，这是一个广泛接受的做法，用于表示HTTP请求的响应对象。当然，您也可以使用其他变量名，如response、r等

POST请求的语法格式通常遵循以下结构：

POST /path/to/resource HTTP/1.1 #post请求方式以及请求路径和协议版本
Host: www.example.com #指定IP地址
Content-Type: application/x-www-form-urlencoded  #请求体的媒体类型
Content-Length: [length]  #请求体的长度
[key1=value1&key2=value2] #请求体的内容

这个post请求参数的语法格式我们一般不需要太重视（按实际需要），因为这是基于HTTP协议的原始请求格式，无需手动构造请求函数，高级的HTTP客户端库（如Python的requests库）会帮助我们处理这些细节。

好了，今日分享到此一游，通过这次学习我们可以学会如何通过安装和使用requests请求库以及能够编写基本的请求函数代码，同时也能够认识post和get两个不同的请求方法

点个关注不迷路，期待你的肯定🎁❤️💖


原文地址：https://blog.csdn.net/2201_75876277/article/details/137757456

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

相关文章

自学内容网
Copyright © 2015-2024