Python Requests 基本使用(与 urllib 的区别)

67 阅读5分钟

一、简介

二、基本使用

# 导入
import requests

# 请求地址
url = "https://www.baidu.com"

# 获取服务器响应数据
response = requests.get(url=url)

# 1 个类型和 6 个属性

# 1、响应数据类型(urllib 的响应数据类型是 http.client.HTTPResponse)
print(type(response)) # requests.models.Response

# 2、设置响应的编码格式
response.encoding = 'utf-8'

# 3、以字符串的形式返回网页的源码
print(response.text)

# 4、返回 url 地址
print(response.url)

# 5、返回二进制的数据(text 的二进制数据,urllib 的 response.read() 就是二进制数据)
print(response.content)

# 6、返回响应的状态码
print(response.status_code)

# 7、返回响应头信息
print(response.headers)

三、GET 请求与 urllib 区别

# 导入
import requests

# 请求地址
# url = "https://www.baidu.com/s?"
url = "https://www.baidu.com/s"

# 请求头
headers = {
  'Accept': 'text/javascript, application/javascript, application/ecmascript, application/x-ecmascript, */*; q=0.01',
  # 'Accept-Encoding': 'gzip, deflate, br',
  'Accept-Language': 'zh-CN,zh;q=0.9',
  'Connection': 'keep-alive',
  'Cookie': '填自己的 Cookie,没有会拿不到数据',
  'Host': 'www.baidu.com',
  'Referer': 'https://www.baidu.com/s?wd=%E5%8C%97%E4%BA%AC&rsv_spt=1&rsv_iqid=0xc4323e2d0000fc1a&issp=1&f=8&rsv_bp=1&rsv_idx=2&ie=utf-8&rqlang=cn&tn=baiduhome_pg&rsv_enter=0&rsv_dl=tb&oq=%25E5%258C%2597%25E4%25BA%25AC&rsv_btype=t&rsv_t=009fICC65EzpN%2BM16VRnKfYWv8Pm6F%2BO1r55ft99%2BL0OlRVHYYfi5cpRa1wOl%2Bhe0bQO&rsv_pq=f70437990000a294&prefixsug=%25E5%258C%2597%25E4%25BA%25AC&rsp=0',
  'sec-ch-ua': '"Google Chrome";v="107", "Chromium";v="107", "Not=A?Brand";v="24"',
  'sec-ch-ua-mobile': '?0',
  'sec-ch-ua-platform': '"macOS"',
  'Sec-Fetch-Dest': 'empty',
  'Sec-Fetch-Mode': 'cors',
  'Sec-Fetch-Site': 'same-origin',
  'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36',
  'X-Requested-With': 'XMLHttpRequest'
}

# 参数
data = {
  'wd': '北京'
}

# 获取服务器响应数据【def get(url, params=None, **kwargs)】
# url: 请求地址
# params: 参数
# kwargs: 字典
response = requests.get(url=url, params=data, headers=headers)

# 设置响应数据编码格式
response.encoding = 'utf-8'

# 获取页面内容
print(response.text)

# 总结:
# 1、参数使用 params 传递
# 2、无需像 urllib 使用 urllib.parse.urlencode() 编码,可以直接传入
# 3、不需要请求对象的定制
# 4、请求资源路径中的 ?可以加也可以不加
  # url = "https://www.baidu.com/s?"
  # url = "https://www.baidu.com/s"

四、POST 请求与 urllib 区别

# 导入
import requests

# 请求地址
url = "https://fanyi.baidu.com/sug"

# 请求头
headers = {
  'Accept': 'application/json, text/javascript, */*; q=0.01',
  'Accept-Encoding': 'gzip, deflate, br',
  'Accept-Language': 'zh-CN,zh;q=0.9',
  'Connection': 'keep-alive',
  'Content-Length': '21',
  'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
  'Cookie': '填自己的 Cookie,没有会拿不到数据',
  'Host': 'fanyi.baidu.com',
  'Origin': 'https://fanyi.baidu.com',
  'Referer': 'https://fanyi.baidu.com/',
  'sec-ch-ua': '"Google Chrome";v="107", "Chromium";v="107", "Not=A?Brand";v="24"',
  'sec-ch-ua-mobile': '?0',
  'sec-ch-ua-platform': '"macOS"',
  'Sec-Fetch-Dest': 'empty',
  'Sec-Fetch-Mode': 'cors',
  'Sec-Fetch-Site': 'same-origin',
  'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36',
  'X-Requested-With': 'XMLHttpRequest'
}

# 参数
data = {
  'kw': '眼睛'
}

# 获取服务器响应数据【def post(url, data=None, json=None, **kwargs)】
# url: 请求地址
# data: 参数
# kwargs: 字典
response = requests.post(url=url, data=data, headers=headers)

# 设置响应数据编码格式
response.encoding = 'utf-8'

# 获取页面内容
print(response.text)

# 总结:
# 1、post 请求不需要编解码(urllib.parse.urlencode(params).encode('utf-8'))
# 2、post 请求的参数是 data,get 请求参数是 params
# 3、不需要请求对象的定制

五、IP代理

# 导入
import requests

# 请求地址
# url = "https://www.baidu.com/s?"
# url = "https://www.baidu.com/s"
url = "http://www.baidu.com/s"

# 请求头
headers = {
  'Accept': 'text/javascript, application/javascript, application/ecmascript, application/x-ecmascript, */*; q=0.01',
  # 'Accept-Encoding': 'gzip, deflate, br',
  'Accept-Language': 'zh-CN,zh;q=0.9',
  'Connection': 'keep-alive',
  'Cookie': '填自己的 Cookie,没有会拿不到数据',
  'Host': 'www.baidu.com',
  'Referer': 'https://www.baidu.com/s?wd=%E5%8C%97%E4%BA%AC&rsv_spt=1&rsv_iqid=0xc4323e2d0000fc1a&issp=1&f=8&rsv_bp=1&rsv_idx=2&ie=utf-8&rqlang=cn&tn=baiduhome_pg&rsv_enter=0&rsv_dl=tb&oq=%25E5%258C%2597%25E4%25BA%25AC&rsv_btype=t&rsv_t=009fICC65EzpN%2BM16VRnKfYWv8Pm6F%2BO1r55ft99%2BL0OlRVHYYfi5cpRa1wOl%2Bhe0bQO&rsv_pq=f70437990000a294&prefixsug=%25E5%258C%2597%25E4%25BA%25AC&rsp=0',
  'sec-ch-ua': '"Google Chrome";v="107", "Chromium";v="107", "Not=A?Brand";v="24"',
  'sec-ch-ua-mobile': '?0',
  'sec-ch-ua-platform': '"macOS"',
  'Sec-Fetch-Dest': 'empty',
  'Sec-Fetch-Mode': 'cors',
  'Sec-Fetch-Site': 'same-origin',
  'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36',
  'X-Requested-With': 'XMLHttpRequest'
}

# 参数
data = {
  'wd': 'ip'
}

# 代理
proxys = {
  # 前面的 http 协议最好跟 请求地址 的协议保持一致,有时候会出问题
  # 'http': '222.74.73.202:42055'
}

# 获取服务器响应数据【def get(url, params=None, **kwargs)】
# url: 请求地址
# params: 参数
# kwargs: 字典
response = requests.get(url=url, params=data, headers=headers, proxies=proxys)

# 设置响应数据编码格式
response.encoding = 'utf-8'

# 获取页面内容
# print(response.text)

# 存储到文件夹
with open('dali.html', 'w', encoding='utf-8') as f:
  f.write(response.text)

六、验证码案例

通过 古诗文网 作为测试

# 登录接口需要的参数:
# __VIEWSTATE: ySbbXPOgH0tbN+MZqd0YtuJiFM8uIhBDD9pK/q4dqPvGLwWIbW799+Hr7aDPNHZpg27Nxe259UePM3z1Rc2X89uauZJQEkkrcyVULG09iqo38jAnG6zaq5D6a2/ZhOx7HIPakzBHk5K6JRQ2kGMtIfN0Qjs=
# __VIEWSTATEGENERATOR: C93BE1AE
# from: http://so.gushiwen.cn/user/collect.aspx
# email: xxxx
# pwd: xxxx
# code: TJ83
# denglu: 登录

# 观察到 __VIEWSTATE 与 __VIEWSTATEGENERATOR 不知道如何获取?
# 一般情况下,看不到的数据,都是在页面源码中,弄一个不可见的元素赋值,所有可以进入源码中,搜索试试

# 导入
import requests
from lxml import etree

# 请求地址
url = 'https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx'

# 请求头
headers = {
  'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36'
}

# 获取页面数据
response = requests.get(url=url, headers=headers)

# 然后可以在内容中搜搜 __VIEWSTATE 与 __VIEWSTATEGENERATOR,以免做了反扒
# print(response.text)

# 设置响应数据编码
response.encoding = 'utf-8'

# 解析服务器响应数据
tree = etree.HTML(response.text)

# 获取 __VIEWSTATE 值
VIEWSTATE = tree.xpath('//input[@id="__VIEWSTATE"]/@value')[0]

# 获取 __VIEWSTATEGENERATOR 值
VIEWSTATEGENERATOR = tree.xpath('//input[@id="__VIEWSTATEGENERATOR"]/@value')[0]

# 获取验证码
code = tree.xpath('//img[@id="imgCode"]/@src')[0]
code_url = 'https://so.gushiwen.cn' + code

# 将验证码图片下载到本地,但是不能使用 urllib.request.urlretrieve() 去下载,下载就会导致切换验证码了,保存的也就变成旧的了
# 解决方法:requests 里面有个 session(),能够跨请求地保持某些参数,说白了,就是比如使用 session 成功的登录了某个网站,则再次使用该 session 对象对该网站的其他网页访问时都会默认使用该 session 之前使用的 cookie 等参数
session = requests.session()
# 获取验证码内容
response_code = session.get(code_url)
# 注意此时要使用二进制数据,因为要下载图片
content_code = response_code.content
# 将二进制数据写入到文件(有时候会有延迟,反应没那么快,编辑器没有出现,可以直接进入文件看看)
with open('code.jpg', 'wb') as f:
  f.write(content_code)

# 识别验证码的库网上很多,搜搜