博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
python爬虫系列(2.1-requests库的基本的使用)
阅读量:5925 次
发布时间:2019-06-19

本文共 4446 字,大约阅读时间需要 14 分钟。

一、基本认识

1、发送一个get请求

import requests

if __name__ == "__main__":

# 获取一个get请求

response = requests.get('http://httpbin.org/get')

2、关于获取请求到数据常见的返回值

import requests

if __name__ == "__main__":

# 获取一个get请求

response = requests.get('http://httpbin.org/get')

# 对抓取的网站设置编码

response.encoding = 'utf-8'

# 打印返回的数据

print(response.text)

print(response.json())

print(response.headers)

print(response.status_code)

print(response.url)

print(response.cookies)

print(response.json())

# 获取最原始的字符串,没有编码的(用户response.text出现乱码的时候,及下载二进制文件的时候)

print(response.content)

3、关于其他的请求方式

response = requests.post('http://httpbin.org/post')

response = requests.put('http://httpbin.org/put')

response = requests.delete('http://httpbin.org/delete')

response = requests.head('http://httpbin.org/get')

response = requests.options('http://httpbin.org/get')

1、直接在url地址后面拼接参数

import requests

if __name__ == "__main__":

# 定义一个请求头(模拟浏览器)

headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36'}

# 设置参数

data = {'name': 'june', 'password': 123456}

# 获取一个get请求

response = requests.get('http://httpbin.org/get?name=june&password=123456', headers=headers)

# 对抓取的网站设置编码

response.encoding = 'utf-8'

print(response.text)

2、使用params传递参数

import requests

if __name__ == "__main__":

# 定义一个请求头(模拟浏览器)

headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36'}

# 设置参数

data = {'name': 'june', 'password': 123456}

# 获取一个get请求

response = requests.get('http://httpbin.org/get', headers=headers, params=data)

# 对抓取的网站设置编码

response.encoding = 'utf-8'

print(response.text)

1、需要下载的的文章标题

2、书写逻辑代码

import re

import requests

if __name__ == "__main__":

headers = {

'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36',

}

url = 'http://python.jobbole.com/category/guide/'

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

pattern = re.compile(

'<div.*?post-thumb.*?title="(.*?)".*?</a>', re.S

)

print(response.status_code)

result_list = re.findall(pattern, response.text)

f = open('jobbole1.txt', 'a+', encoding='utf8')

for item in result_list:

f.write(item.strip() + '\n')

f.close()

3、解说正则表达式

.*?表示非贪婪的匹配任何字符

re.S 使.匹配包括换行在内的全部字符

1、导包

import re

import os

import shutil

import requests

2、定义一个下载图片的类

class DownPic(object):

def __init__(self):

self.url = 'http://python.jobbole.com/category/guide/'

self.headers = {

'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36',

}

self.create_dir()

def create_dir(cls):

# 如果文件夹存在就删除

if os.path.exists('demo'):

shutil.rmtree('demo')

os.makedirs('demo')

def get_html(self):

response = requests.get(url=self.url, headers=self.headers)

return response.text

def pattern(self):

pattern = re.compile(

'<div.*?post-thumb.*?src="(.*?)".*?</a>', re.S

)

result_list = re.findall(pattern, self.get_html())

return result_list

def download(self):

for item in self.pattern():

# 获取到的图片地址再次请求

if item.rsplit('.')[-1] in ['png', 'jpg']:

resp = requests.get(item.strip())

try:

with open(os.path.join('demo', item.strip().rsplit("/")[-1]), 'wb') as f:

f.write(resp.content)

except Exception as e:

print(e)

else:

continue

3、调用

if __name__ == "__main__":

p = DownPic()

p.download()

1、格式

response = requests.post('http://httpbin.org/post', headers=headers, data=data)

2、发送数据到服务器端

import requests

if __name__ == "__main__":

# 定义一个请求头(模拟浏览器)

headers = {

'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36'}

# 设置参数

data = {'email': '', 'password': 123456}

# 获取一个get请求

response = requests.post('https://httpbin.org/post', headers=headers, data=data)

# 对抓取的网站设置编码

response.encoding = 'utf-8'

print(response.text)

import requests

if __name__ == "__main__":

url = 'https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false'

headers = {

'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36',

'Referer': 'https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput='

}

data = {

'first': 'true',

'pn': '1',

'kd': 'python',

}

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

print(response.json())

转载于:https://juejin.im/post/5be3ebd25188251ed92ec724

你可能感兴趣的文章
MySQL 5.6为什么关闭元数据统计信息自动更新&统计信息收集源代码探索
查看>>
Linux 下mysql永久更改字符集
查看>>
我的友情链接
查看>>
apache prefork模式优化错误
查看>>
jmeter高级用法例子,如何扩展自定义函数
查看>>
lvs
查看>>
通过jsp请求Servlet来操作HBASE
查看>>
JS页面刷新保持数据不丢失
查看>>
最浅显易懂的数据库索引讲解
查看>>
清橙A1202&Bzoj2201:彩色圆环
查看>>
使用data pump工具的准备
查看>>
springMVC---级联属性
查看>>
get和post区别
查看>>
模拟ssh, hashlib模块, struct模块, subprocess模块
查看>>
nil、Nil、NULL、NSNull的区别
查看>>
是机遇还是挑战?---浅谈谷歌收购摩托罗拉移动
查看>>
项目总结26:java调用webservice接口(asmx)
查看>>
crontab执行shell脚本日志中出现乱码
查看>>
基于HTML5手机上下滑动翻页特效
查看>>
打造自己博客(wordpress)的wap手机版本
查看>>