- 基于如下5點展開requests模塊的學習
-
什么是requests模塊
- requests模塊是python中原生的基于網絡請求的模塊,其主要作用是用來模擬瀏覽器發起請求。功能強大,用法簡潔高效。在爬蟲領域中占據著半壁江山的地位。
-
為什么要使用requests模塊
-
因為在使用urllib模塊的時候,會有諸多不便之處,總結如下:
- 手動處理url編碼
- 手動處理post請求參數
- 處理cookie和代理操作繁瑣
- ......
-
使用requests模塊:
- 自動處理url編碼
- 自動處理post請求參數
- 簡化cookie和代理操作
- ......
-
因為在使用urllib模塊的時候,會有諸多不便之處,總結如下:
-
如何使用requests模塊
-
安裝:
- pip install requests
-
使用流程
- 指定url
- 基于requests模塊發起請求
- 獲取響應對象中的數據值
- 持久化存儲
-
安裝:
-
通過5個基于requests模塊的爬蟲項目對該模塊進行學習和鞏固
-
基于requests模塊的get請求
- 需求:爬取搜狗指定詞條搜索后的頁面數據
-
基于requests模塊的post請求
- 需求:登錄豆瓣電影,爬取登錄成功后的頁面數據
-
基于requests模塊ajax的get請求
- 需求:爬取豆瓣電影分類排行榜?https://movie.douban.com/中的電影詳情數據
-
基于requests模塊ajax的post請求
- 需求:爬取肯德基餐廳查詢http://www.kfc.com.cn/kfccda/index.aspx中指定地點的餐廳數據
-
綜合練習
- 需求:爬取國家藥品監督管理總局中基于中華人民共和國化妝品生產許可證相關數據http://125.35.6.84:81/xk/
-
基于requests模塊的get請求
- 代碼展示
-
需求:爬取搜狗指定詞條搜索后的頁面數據
import requests import os #指定搜索關鍵字 word = input( 'enter a word you want to search:') #自定義請求頭信息 headers={ 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36', } #指定url url = 'https://www.sogou.com/web' #封裝get請求參數 prams = { 'query':word, 'ie': 'utf-8' } #發起請求 response = requests.get(url=url,params=param) #獲取響應數據 page_text = response.text with open( './sougou.html', 'w',encoding= 'utf-8') as fp: fp.write(page_text)
請求載體身份標識的偽裝:
-
User-Agent:請求載體身份標識,通過瀏覽器發起的請求,請求載體為瀏覽器,則該請求的User-Agent為瀏覽器的身份標識,使用爬蟲程序發起的請求,則該請求的載體為爬蟲程序,則該請求的User-Agent為爬蟲程序的身份標識。可以通過判斷該值來獲知該請求的載體究竟是基于哪款瀏覽器還是基于爬蟲程序。
-
反爬機制:某些門戶網站會對訪問該網站的請求中的User-Agent進行捕獲和判斷,如果該請求的UA為爬蟲程序,則拒絕向該請求提供數據。
-
反反爬策略:將爬蟲程序的UA偽裝成某一款瀏覽器的身份標識。
-
-
需求:登錄豆瓣電影,爬取登錄成功后的頁面數據
import requests import os url = 'https://accounts.douban.com/login' #封裝請求參數 data = { "source": "movie", "redir": "https://movie.douban.com/", "form_email": "15027900535", "form_password": "bobo@15027900535", "login": "登錄", } #自定義請求頭信息 headers={ 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36', } response = requests.post(url=url,data=data) page_text = response.text with open( './douban111.html', 'w',encoding= 'utf-8') as fp: fp.write(page_text)
?
需求:爬取豆瓣電影分類排行榜?https://movie.douban.com/中的電影詳情數據
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import requests
import urllib.request
if __name__ ==
"__main__":
#指定ajax-get請求的url(通過抓包進行獲取) url =
'https://movie.douban.com/j/chart/top_list?'
#定制請求頭信息,相關的頭信息必須封裝在字典結構中 headers = {
#定制請求頭中的User-Agent參數,當然也可以定制請求頭中其他的參數
'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請求攜帶的參數(從抓包工具中獲取) param = {
'type':
'5',
'interval_id':
'100:90',
'action':
'',
'start':
'0',
'limit':
'20' }
#發起get請求,獲取響應對象 response = requests.get(url=url,headers=headers,params=param)
#獲取響應內容:響應內容為json串 print(response.text)
需求:爬取肯德基餐廳查詢http://www.kfc.com.cn/kfccda/index.aspx中指定地點的餐廳數據
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import requests
import urllib.request
if __name__ ==
"__main__":
#指定ajax-post請求的url(通過抓包進行獲?。?url =
'http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword'
#定制請求頭信息,相關的頭信息必須封裝在字典結構中 headers = {
#定制請求頭中的User-Agent參數,當然也可以定制請求頭中其他的參數
'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請求攜帶的參數(從抓包工具中獲取) data = {
'cname':
'',
'pid':
'',
'keyword':
'北京',
'pageIndex':
'1',
'pageSize':
'10' }
#發起post請求,獲取響應對象 response = requests.get(url=url,headers=headers,data=data)
#獲取響應內容:響應內容為json串 print(response.text)
-
需求:爬取國家藥品監督管理總局中基于中華人民共和國化妝品生產許可證相關數據
import requests from fake_useragent import UserAgent ua = UserAgent(use_cache_server= False,verify_ssl= False).random headers = { 'User-Agent':ua } url = 'http://125.35.6.84:81/xk/itownet/portalAction.do?method=getXkzsList' pageNum = 3 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'] #用于二級頁面數據獲取 #下列詳情信息可以在二級頁面中獲取 # 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) #該url是一個ajax的post請求 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) #該請求響應回來的數據有兩個,一個是基于text,一個是基于json的,所以可以根據content-type,來獲取指定的響應數據 if response.headers[ 'Content-Type'] == 'application/json;charset=UTF-8': #print(response.json()) #進行json解析 json_text = response.json() print(json_text[ 'businessPerson'])
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
