什么是requests模块
requests模块是python中原生的基于网络请求的模块,其主要作用是用来模拟浏览器发起请求。功能强大,用法简洁高效。在爬虫领域中占据着半壁江山的地位。
因为在使用urllib模块的时候,会有诸多不便之处,总结如下:手动处理url编码手动处理post请求参数处理cookie和代理操作繁琐......使用requests模块:自动处理url编码自动处理post请求参数简化cookie和代理操作......
为什么要使用requests模块
如何使用requests模块
安装: pip install requests使用流程 指定url基于requests模块发起请求获取响应对象中的数据值持久化存储
基于如下5点展开requests模块的练习
1.基于requests模块的get请求2.基于requests模块的post请求3.基于requests模块ajax的get请求4.基于requests模块ajax的post请求5.综合练习
案例演示代码演示:
1.基于requests模块的get请求,需求:
import requests#1.指定urlheaders = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'}url = '/'#2.发起请求:get返回一个响应对象response = requests.get(url=url,verify=False,headers=headers)#3.获取响应数据:text属性返回的是字符串形式的响应数据page_text = response.textprint(page_text)#4.持久化存储with open('./sogou.html','w',encoding='utf-8') as fp:fp.write(page_text)print('over!!!')
需求:爬取搜狗首页的页面数据
import requestswd = input('enter a word:')#url携带的参数需要手动处理url = '/web'#将参数手动处理成了字典的形式param = {'query':wd}#使用params参数处理了请求携带的参数response = requests.get(url=url,params=param)page_text = response.textfileName = wd+'.html' #文件名#数据持久化with open(fileName,'w',encoding='utf-8') as fp:fp.write(page_text)print(fileName,'爬取成功!')
需求:爬取指定词条对应搜狗搜索结果页面
2.基于requests模块的post请求:
import requestsurl = '/sug'wd = input('enter something of English:') #这里输入英文翻译成中文#url携带参数的封装data = {'kw':wd}#发起一个post请求#UA检测这种反爬机制被应用在了大部分的网站中headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'}response = requests.post(url=url,data=data,headers=headers)#获取响应数据#response.text #获取的是字符串形式的json数据obj_json = response.json() #json()返回的就是对象类型的响应数据print(obj_json)
需求:破解百度翻译
如果是Content-Type:application/json,可以obj_json = response.json() #json()返回的就是对象类型的响应数据
3.基于requests模块ajax的git请求:
prsponse这里的数据在世我们拿到的数据信息
在线JSON校验格式化工具:/
#!/usr/bin/env python# -*- coding:utf-8 -*-import requestsimport urllib.requestif __name__ == "__main__":#指定ajax-get请求的url(通过抓包进行获取)url = '/j/chart/top_list?'#定制请求头信息,相关的头信息必须封装在字典结构中headers = {#定制请求头中的User-Agent参数,当然也可以定制请求头中其他的参数'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36',}#定制get请求携带的参数(从抓包工具中获取)param = {'type':'5','interval_id':'100:90','action':'','start':'0','limit':'20'}#发起get请求,获取响应对象response = requests.get(url=url,headers=headers,params=param)#获取响应内容:响应内容为json串print(response.text)movie_list = response.json()print(movie_list) #y以json格式拿取列表里嵌套着字典,每个字典是一电影的详情all_names = []for dic in movie_list:print(dic)name = dic['title']all_names.append(name)print(all_names)需求:爬取豆瓣电影分类排行榜的电影名称
需求:爬取豆瓣电影分类的电影名称
4.基于requests模块ajax的post请求:
ajax动态加载数据抓包查看方法
#!/usr/bin/env python# -*- coding:utf-8 -*-import requestsimport urllib.requestif __name__ == "__main__":#指定ajax-post请求的url(通过抓包进行获取)url = '/kfccda/ashx/GetStoreList.ashx?op=keyword'#定制请求头信息,相关的头信息必须封装在字典结构中headers = {#定制请求头中的User-Agent参数,当然也可以定制请求头中其他的参数'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36',}#定制post请求携带的参数(从抓包工具中获取)data = {'cname':'','pid':'','keyword':'北京','pageIndex': '1','pageSize': '100'}#发起post请求,获取响应对象response = requests.post(url=url,headers=headers,data=data)#获取响应内容:响应内容为json串print(response.text)
需求:爬取肯德基餐厅查询/kfccda/index.aspx中指定地点的餐厅数据
5.综合练习:
这里引入一个fake_useragent第三方库,随机生成UserAgent请求头设置
安装 :pip3 install fake-useragent查看安装的版本号:pip3 list 使用:from fake_useragent import UserAgentua = UserAgent() # 禁用服务器缓存:ua = UserAgent(use_cache_server=False), 不缓存数据:ua = UserAgent(cache=False),忽略ssl验证:ua = UserAgent(verify_ssl=False)print(ua.ie) #随机打印ie浏览器任意版本print(ua.firefox) #随机打印firefox浏览器任意版本print(ua.chrome) #随机打印chrome浏览器任意版本print(ua.random) #随机打印任意厂家的浏览器
需求:爬取国家药品监督管理局企业许可相关信息:http://125.35.6.84:81/xk/问题描述:获取分页数据,根据不同企业,在二级页面获取许可相关信息知识点:1.抓取数据包使用ajax的post请求2.使用fake_useragent实现动态生成UA3.该请求响应回来的数据有两个,可以根据content-type,来获取指定的响应数据:一个是基于text一个是基于json的
4.json在线格式化效验工具:/
1.抓取ajax数据包
post提交的分页请求数据
通过抓包工具获得首页li标签公司每条信息,从中提取二级页面跳转地址
获取二级页面信息:
Response才是我们程序获取的数据
import requestsfrom fake_useragent import UserAgentua = UserAgent(use_cache_server=False).randomheaders = {'User-Agent':ua}url = 'http://125.35.6.84:81/xk/itownet/portalAction.do?method=getXkzsList'for page in range(3,5):data = {'on': 'true','page': str(page),'pageSize': '15','productName':'','conditionType': '1','applyname':'','applysn':''}json_text = requests.post(url=url,data=data,headers=headers).json()all_id_list = []for dict in json_text['list']:id = dict['ID']#用于二级页面数据获取#下列详情信息可以在二级页面中获取# name = dict['EPS_NAME']# product = dict['PRODUCT_SN']# man_name = dict['QF_MANAGER_NAME']# d1 = dict['XC_DATE']# d2 = dict['XK_DATE'] all_id_list.append(id)#该url是一个ajax的post请求post_url = 'http://125.35.6.84:81/xk/itownet/portalAction.do?method=getXkzsById'for id in all_id_list:post_data = {'id':id}response = requests.post(url=post_url,data=post_data,headers=headers)#该请求响应回来的数据有两个,一个是基于text,一个是基于json的,所以可以根据content-type,来获取指定的响应数据if response.headers['Content-Type'] == 'application/json;charset=UTF-8':#print(response.json())#进行json解析json_text = response.json()print(json_text['businessPerson'],json_text['productSn'],type(json_text['productSn']))
代码展示