在看这篇文章之前,需要大家掌握的知识技能:

  • python基础
  • html基础
  • http状态码

让我们看看这篇文章中有哪些知识点:

  • get方法
  • post方法
  • header参数,模拟用户
  • data参数,提交数据
  • proxies参数,使用代理
  • 进阶学习

安装上requests库

pip install requests

先来看下帮助文档,看看requests的介绍,用python自带的help命令

import requestshelp(requests)

output:

Help on package requests:NAME    requestsDESCRIPTION    Requests HTTP Library    ~~~~~~~~~~~~~~~~~~~~~        Requests is an HTTP library, written in Python, for human beings. Basic GET    usage:           >>> import requests       >>> r = requests.get('https://www.python.org')       >>> r.status_code       200       >>> 'Python is a programming language' in r.content       True        ... or POST:           >>> payload = dict(key1='value1', key2='value2')       >>> r = requests.post('https://httpbin.org/post', data=payload)       >>> print(r.text)       {         ...         "form": {           "key2": "value2",           "key1": "value1"         },         ...       }        The other HTTP methods are supported - see `requests.api`. Full documentation    is at <http://python-requests.org>.        :copyright: (c) 2017 by Kenneth Reitz.    :license: Apache 2.0, see LICENSE for more details.

这里解释下,requests库是由python编写的对人类友好的http库,并且举例了GET与POST的方法。

GET方法

好的,那我们自己来测试下,就以请求百度为例吧,,,(谁让百度这么耐抗的)

import requestsr = requests.get('https://www.baidu.com')print(r.status_code) #打印返回的http codeprint(r.text) #打印返回结果的text

方便点,截了个图给大家看,返回的code是200,说明请求正常拉回网页了。

看下返回的text,有点不对头,少了一些html标签,最起码百度两个字得有吧。嗯,这是什么原因,,,

python爬虫之requests库使用代理方式

相信有些同学已经想到了,是没有真实模拟用户的请求,你去爬数据,还不模拟用户请求,那肯定限制你啊。这个时候需要加一个header参数来搞定,至少要加一个user-agent吧。好,那咋们去找一个ua吧。别百度了,自己动手,丰衣足食。教大家一个办法,用谷歌或者火狐的开发者工具。

谷歌浏览器的开发者工具

打开新标签 —— 按F12——访问下百度——找到NetWork——随便点开一个——往下翻——看到ua了吧,复制上。

python爬虫之requests库使用代理方式

import requestsheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}r = requests.get('https://www.baidu.com', headers=headers)print(r.status_code)print(r.text)

嗯~~~数据有点多,往下翻翻,这下就正常了嘛,数据都有了。。。PS:不信?可以自己输出一个html文件,浏览器打开看看呗

python爬虫之requests库使用代理方式

POST方法

只需要把get改成post就好了

import requestsheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}r = requests.post('https://www.baidu.com', headers=headers)print(r.status_code)print(r.text)

运行下试试看。一般post都是用来提交表单信息的,嗯,这里找一个能提交数据的url,去post下。

用我自己写的接口(PS:django写的,挺方便),大家复制过去就好了。注意看代码,data是要post的数据,post方法里加了一个data参数。

import requestsheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}# post的数据data = {"info": "biu~~~ send post request"}r = requests.post('http://dev.kdlapi.com/testproxy', headers=headers, data=data) #加一个data参数print(r.status_code)print(r.text)

截个图给大家看下,http code 200,body信息说的post成功,并且返回的了我自己的IP信息以及post的数据

python爬虫之requests库使用代理方式

使用代理

为什么用代理?一般网站都有屏蔽的限制策略,用自己的IP去爬,被封了那该网站就访问不了,这时候就得用代理IP来解决问题了。封吧,反正封的不是本机IP,封的代理IP。

既然使用代理,得先找一个代理IP。PS:自己写个代理服务器太麻烦了,关键是我也不会写啊,,,哈哈哈

import requestsheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}# post的数据data = {"info": "biu~~~ send post request"}# 代理信息,由快代理赞助proxy = '115.203.28.25:16584'proxies = {    "http": "http://%(proxy)s/" % {'proxy': proxy},    "https": "http://%(proxy)s/" % {'proxy': proxy}}r = requests.post('http://dev.kdlapi.com/testproxy', headers=headers, data=data, proxies=proxies) #加一个proxies参数print(r.status_code)print(r.text)

主要方法里加个proxies参数,这就用上代理IP了。

python爬虫之requests库使用代理方式

以上为个人经验,希望能给大家一个参考,也希望大家多多支持。

原文地址:https://blog.csdn.net/kdl_csdn/article/details/103962098

相关文章: