python爬虫系列(1.2-urllib模块中request 常用方法)

最新推荐文章于 2024-08-17 14:15:26 发布

原创最新推荐文章于 2024-08-17 14:15:26 发布 · 600 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

爬虫专栏收录该内容

13 篇文章

订阅专栏

本文详细介绍如何使用Python的request.Request方法进行高级网页请求，包括设置请求头和使用代理服务器，为爬虫开发提供实用技巧。

一、`request.Request`方法的使用

上一章节中介绍了request.urlopen()的使用,仅仅的很简单的使用,不能设置请求头及cookie的东西,request.Request()方法就是进一步的包装请求.

1、源码查看参数

class Request:

    def __init__(self, url, data=None, headers={}, origin_req_host=None, unverifiable=False, method=None):
        pass

2、使用请求百度

from urllib import request

if __name__ == "__main__":
    headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36 OPR/54.0.2952.64'
    }
    req = request.Request(url='https://www.baidu.com', headers=headers)
    response = request.urlopen(req)
    print(response.read())

二、使用代理服务器

1、常见免费的代理地址
2、检测当前ip信息的测试网站

3、使用代理

from urllib import request

if __name__ == "__main__":
    headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36 OPR/54.0.2952.64'
    }
    # 创建使用代理
    handler = request.ProxyHandler({"http": "186.103.173.189:58243"})
    opener = request.build_opener(handler)
    # 包装请求对象
    req = request.Request("http://httpbin.org/get", headers=headers)
    # 使用代理打开网站
    response = opener.open(req)
    print(response.read().decode("utf8"))