Python 爬蟲從入門到進階之路（七）

在之前的文章中我們一直用到的庫是 urllib.request，該庫已經包含了平常我們使用的大多數功能，但是它的 API 使用起來讓人感覺不太好，而 Requests 自稱 “HTTP for Humans”，說明使用更簡潔方便。

Requests 唯一的一個非轉基因的 Python HTTP 庫，人類可以安全享用：）

Requests 繼承了urllib2的所有特性。Requests支援HTTP連線保持和連線池，支援使用cookie保持會話，支援檔案上傳，支援自動確定響應內容的編碼，支援國際化的 URL 和 POST 資料自動編碼。

Requests的文件非常完備，中文文件也相當不錯。Requests能完全滿足當前網路的需求，支援Python 2.6—3.5，而且能在Python下完美執行。

開源地址：https://github.com/kennethreitz/requests

中文文件 API： http://docs.python-requests.org/zh_CN/latest/index.html

安裝方式

利用 pip 安裝 或者利用 easy_install 都可以完成安裝：

$ pip install requests

$ easy_install requests

基本GET請求（headers引數 和 parmas引數）

1. 最基本的GET請求可以直接用get方法

import requests

response = requests.get("http://www.baidu.com/")

# 也可以這麼寫
# response = requests.request("get", "http://www.baidu.com/")
print(response)

2. 新增 headers 和 查詢引數

如果想新增 headers，可以傳入headers引數來增加請求頭中的headers資訊。如果要將引數放在url中傳遞，可以利用 params 引數。

import requests

kw = {'wd':'貼吧'}

headers = {"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}

# params 接收一個字典或者字串的查詢引數，字典型別自動轉換為url編碼，不需要urlencode()
response = requests.get("http://www.baidu.com/s?", params = kw, headers = headers)

# 檢視響應內容，response.text 返回的是Unicode格式的資料
print(response.text)

# 檢視響應內容，response.content返回的位元組流資料
print(response.content)
print(response.content.decode("utf-8"))

# 檢視完整url地址
print(response.url)

# 檢視響應頭部字元編碼
print(response.encoding)

# 檢視響應碼
print(response.status_code)

• 使用response.text 時，Requests 會基於 HTTP 響應的文字編碼自動解碼響應內容，大多數 Unicode 字符集都能被無縫地解碼。

• 使用response.content 時，返回的是伺服器響應資料的原始二進位制位元組流，可以用來儲存圖片等二進位制檔案。

基本POST請求（data引數）

對於 POST 請求來說，我們一般需要為它增加一些引數。那麼最基本的傳參方法可以利用 data 這個引數。

import requests

data = {
    "type": "11",
    "interval_id": "100:90",
    "start": "0",
    "limit": "2"
}

url = "https://movie.douban.com/j/chart/top_list?"

headers={ "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}

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

print(response.text)

# 如果是json檔案可以直接顯示
print(response.json())

執行結果：

[{"rating":["9.6","50"],"rank":1,"cover_url":"https://img3.doubanio.com\/view\/photo\/s_ratio_poster\/public\/p480747492.jpg","is_playable":true,"id":"1292052","types":["犯罪","劇情"],"regions":["美國"],"title":"肖申克的救贖","url":"https:\/\/movie.douban.com\/subject\/1292052\/","release_date":"1994-09-10","actor_count":25,"vote_count":1423511,"score":"9.6","actors":["蒂姆·羅賓斯","摩根·弗里曼","鮑勃·岡頓","威廉姆·賽德勒","克蘭西·布朗","吉爾·貝羅斯","馬克·羅斯頓","詹姆斯·惠特摩","傑弗裡·德曼","拉里·布蘭登伯格","尼爾·吉恩託利","布賴恩·利比","大衛·普羅瓦爾","約瑟夫·勞格諾","祖德·塞克利拉","保羅·麥克蘭尼","芮妮·布萊恩","阿方索·弗里曼","V·J·福斯特","弗蘭克·梅德拉諾","馬克·邁爾斯","尼爾·薩默斯","耐德·巴拉米","布賴恩·戴拉特","唐·麥克馬納斯"],"is_watched":false},{"rating":["9.6","50"],"rank":2,"cover_url":"https://img3.doubanio.com\/view\/photo\/s_ratio_poster\/public\/p1910813120.jpg","is_playable":true,"id":"1291546","types":["劇情","愛情","同性"],"regions":["中國大陸","香港"],"title":"霸王別姬","url":"https:\/\/movie.douban.com\/subject\/1291546\/","release_date":"1993-01-01","actor_count":25,"vote_count":1054313,"score":"9.6","actors":["張國榮","張豐毅","鞏俐","葛優","英達","蔣雯麗","吳大維","呂齊","雷漢","尹治","馬明威","費振翔","智一桐","李春","趙海龍","李丹","童弟","沈慧芬","黃斐","黃磊","馮遠征","楊立新","方徵","周璞","隋永清"],"is_watched":false}]

[{'rating': ['9.6', '50'], 'rank': 1, 'cover_url': 'https://img3.doubanio.com/view/photo/s_ratio_poster/public/p480747492.jpg', 'is_playable': True, 'id': '1292052', 'types': ['犯罪', '劇情'], 'regions': ['美國'], 'title': '肖申克的救贖', 'url': 'https://movie.douban.com/subject/1292052/', 'release_date': '1994-09-10', 'actor_count': 25, 'vote_count': 1423511, 'score': '9.6', 'actors': ['蒂姆·羅賓斯', '摩根·弗里曼', '鮑勃·岡頓', '威廉姆·賽德勒', '克蘭西·布朗', '吉爾·貝羅斯', '馬克·羅斯頓', '詹姆斯·惠特摩', '傑弗裡·德曼', '拉里·布蘭登伯格', '尼爾·吉恩託利', '布賴恩·利比', '大衛·普羅瓦爾', '約瑟夫·勞格諾', '祖德·塞克利拉', '保羅·麥克蘭尼', '芮妮·布萊恩', '阿方索·弗里曼', 'V·J·福斯特', '弗蘭克·梅德拉諾', '馬克·邁爾斯', '尼爾·薩默斯', '耐德·巴拉米', '布賴恩·戴拉特', '唐·麥克馬納斯'], 'is_watched': False}, {'rating': ['9.6', '50'], 'rank': 2, 'cover_url': 'https://img3.doubanio.com/view/photo/s_ratio_poster/public/p1910813120.jpg', 'is_playable': True, 'id': '1291546', 'types': ['劇情', '愛情', '同性'], 'regions': ['中國大陸', '香港'], 'title': '霸王別姬', 'url': 'https://movie.douban.com/subject/1291546/', 'release_date': '1993-01-01', 'actor_count': 25, 'vote_count': 1054313, 'score': '9.6', 'actors': ['張國榮', '張豐毅', '鞏俐', '葛優', '英達', '蔣雯麗', '吳大維', '呂齊', '雷漢', '尹治', '馬明威', '費振翔', '智一桐', '李春', '趙海龍', '李丹', '童弟', '沈慧芬', '黃斐', '黃磊', '馮遠征', '楊立新', '方徵', '周璞', '隋永清'], 'is_watched': False}]

代理（proxies引數）

如果需要使用代理，你可以通過為任意請求方法提供 proxies 引數來配置單個請求：

import requests

# 根據協議型別，選擇不同的代理
proxies = {
  "https": "http://27.191.234.69:9999",
}

response = requests.get("http://www.baidu.com", proxies = proxies)
print(response.text)

私密代理驗證（特定格式） 和 Web客戶端驗證（auth 引數）

urllib.request 這裡的做法比較複雜，requests只需要一步： 

import requests

# 如果代理需要使用HTTP Basic Auth，可以使用下面這種格式：
proxy = { "http": "user:password@27.191.234.69:9999" }

response = requests.get("http://www.baidu.com", proxies = proxy)

print(response.text)

web客戶端驗證

如果是Web客戶端驗證，需要新增 auth = (賬戶名, 密碼)

import requests

auth = ('test', '123456')

response = requests.get('http://27.191.234.69:9999', auth=auth)

print(response.text)

Cookies 和 Sission

Cookies

如果一個響應中包含了cookie，那麼我們可以利用 cookies引數拿到：

 

import requests

response = requests.get("http://www.baidu.com/")

# 7. 返回CookieJar物件:
cookiejar = response.cookies

# 8. 將CookieJar轉為字典：
cookiedict = requests.utils.dict_from_cookiejar(cookiejar)

print (cookiejar)

print (cookiedict)

Sission

在 requests 裡，session物件是一個非常常用的物件，這個物件代表一次使用者會話：從客戶端瀏覽器連線伺服器開始，到客戶端瀏覽器與伺服器斷開。

會話能讓我們在跨請求時候保持某些引數，比如在同一個 Session 例項發出的所有請求之間保持 cookie 。

實現人人網登入

import requests

# 1. 建立session物件，可以儲存Cookie值
ssion = requests.session()

# 2. 處理 headers
headers = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}

# 3. 需要登入的使用者名稱和密碼
data = {"email": "562352353@qq.com", "password": "chen562352353"}

# 4. 傳送附帶使用者名稱和密碼的請求，並獲取登入後的Cookie值，儲存在ssion裡
ssion.post("http://www.renren.com/PLogin.do", data=data)

# 5. ssion包含使用者登入後的Cookie值，可以直接訪問那些登入後才可以訪問的頁面
response = ssion.get("http://www.renren.com/485439163")

# 6. 列印響應內容
print(response.text)

處理HTTPS請求 SSL證照驗證

• 要想檢查某個主機的SSL證照，你可以使用 verify 引數（也可以不寫）

import requests

response = requests.get("https://www.baidu.com/", verify=True)

# 也可以省略不寫
# response = requests.get("https://www.baidu.com/")
print(response.text)