爬虫之requests的使用

目录

前言

Requests库的使用：

 安装Requests库：

示例一：爬取B站主页面

 示例二：爬取百度翻译结果

 实例三：抓取豆瓣电影排名

抓取URL与Agent

---

前言

requests是一个很实用的Python HTTP客户端库，编写爬虫和测试服务器响应数据时经常会用到，Requests是Python语言的第三方的库，专门用于发送HTTP请求。基于 urllib，采用 Apache2 Licensed 开源协议的 HTTP 库。它比 urllib 更加方便，可以节约我们大量的工作，完全满足 HTTP 测试需求。Requests 的哲学是以 PEP 20 的习语为中心开发的，所以它比 urllib 更加 Pythoner。

Requests库的使用：

requests.requests()

requests.get(‘https://github.com/timeline.json’) #GET请求

requests.post(“http://httpbin.org/post”) #POST请求

requests.put(“http://httpbin.org/put”) #PUT请求（提交修改全部的数据）

requests.delete(“http://httpbin.org/delete”) #DELETE请求

requests.head(“http://httpbin.org/get”) #HEAD请求

requests.patch(“http://httpbin.org/get”) #PATCH请求（提交修改部分数据）

 安装Requests库：

pip install requests

或者可以用清华镜像：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests

示例一：爬取B站主页面

import requests
url = 'https://www.bilibili.com/'
resp = requests.get(url)
print(resp)
print(resp.text) #得到页面源代码

大致结果是这样的：

 示例二：爬取百度翻译结果

运用post()方法

requests.post(url,  data=None, json=None, **kwargs)

url: 拟获取页面的url链接

data: 字典，字节序列或文件，Requests的内容

json: JSON格式的数据，Requests的内容

import requests
url = "https://fanyi.baidu.com/sug"
requests.post(url)
s = input(":")
dat = {
    "kw":s
}
resp = requests.post(url, data=dat)
print(resp.json()) #将返回的内容直接返回为json

输入dog，回车

 实例三：抓取豆瓣电影排名

import requests


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

#
param = {
    'type': '24',
    'interval_id': '100:90',
    'action': '',
    'start': 0,
    "limit": 20,
}
headers = {
   "User-Agent": "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.55 Mobile Safari/537.36 Edg/96.0.1054.43"
}#防反爬
resp = requests.get(url=url, params=param, headers=headers)

# print(resp.request.url) 打印url
print(resp.json())

get()方法：

requests.get(url, params=None, **kwargs)

url: 拟获取页面的url链接

params: url中的额外参数，字典或字节流，可选择

抓取URL与Agent

 值得注意的是：我们打开豆瓣页面

豆瓣电影分类排行榜 - 喜剧片 (douban.com)https://movie.douban.com/typerank?type_name=%E5%96%9C%E5%89%A7&type=24&interval_id=100:90&action=右击鼠标

点击检查

 点击网络：

此时是空的：

 点击网站，回车

 

 出现很多参数，选择

 

 

 可以看到请求url

这里是：https://movie.douban.com/j/chart/top_list?type=24&interval_id=100:90&action=&start=0&limit=1

将'?"后的参数可以去掉

 往下滑：找到代理：

 就是代码中的header的修改内容。

大功告成，简单的数据抓包！

 详细内容请关注公众号，一起学习讨论。