参考网址：https://www.jianshu.com/p/2065f0292de6
目标
- 基本流程
- requests简介
- requests安装
- requests-get请求实例
- 例1
- response.text和response.content的区别
- 例2
- requests库的七个主要方法
- 几个方法调用示例
爬虫基本流程
发起请求
通过HTTP库向目标站点发起请求，也就是发送一个Request，请求可以包含额外的header等信息，等待服务器响应
相关组件: requests scrapy
获取响应内容
如果服务器能正常响应，会得到一个Response，Response的内容便是所要获取的页面内容，类型可能是HTML,Json字符串，二进制数据（图片或者视频）等类型
相关组件: requests scrapy
解析内容
得到的内容可能是HTML,可以用正则表达式，页面解析库进行解析，可能是Json,可以直接转换为Json对象解析，可能是二进制数据，可以做保存或者进一步的处理
相关组件:xpath
保存数据
保存形式多样，可以存为文本，也可以保存到数据库，或者保存特定格式的文件
requests简介
Requests 是用Python语言编写，基于 urllib，采用 Apache2 Licensed 开源协议的 HTTP 库。它比 urllib 更加简洁方便，更重要的一点是它支持 Python3。
requests安装
$ pip install requests
pycharm里settings-project interpreter-点击加号-输入requests-install
requests-get请求实例
1. 最基本的GET请求可以直接用get方法
response = requests.get("http://www.baidu.com/")
也可以这么写
response = requests.request("get", "http://www.baidu.com/")
2. 添加 headers 和 传参数
如果想添加 headers，可以传入headers参数来增加请求头中的headers信息。如果要将参数放在url中传递，可以利用 params 参数。
d:\python\demo3\requestsdemo.py
import requests
kw = {'wd':'长城'}
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
# params 接收一个字典或者字符串的查询参数，字典类型自动转换为url编码，不需要urlencode()
response = requests.get("http://www.baidu.com/s?", params = kw, headers = headers)
# 查看响应内容，response.text 返回的是Unicode格式的数据
print (response.text)
# 查看响应内容，response.content返回的字节流数据
print (response.content)
# 查看完整url地址
print (response.url)
# 查看响应头部字符编码
print (response.encoding)
# 查看响应码
print (response.status_code)
运行结果
......
......
'http://www.baidu.com/s?wd=%E9%95%BF%E5%9F%8E'
'utf-8'
200
还可以将一个列表作为值传入
parameter = {
"key1":"value1",
"key2":["value21","value22"]
}
response3 = requests.get("http://httpbin.org/get",params = parameter)
print(response3.url)
# http://httpbin.org/get?key1=value1&key2=value21&key2=value22
使用response.text 时，Requests 会基于 HTTP 响应的文本编码自动解码响应内容，大多数 Unicode 字符集都能被无缝地解码。
使用response.content 时，返回的是服务器响应数据的原始二进制字节流，可以用来保存图片等二进制文件。
小栗子1
通过requests获取新浪首页
demo3\requestsina.py
import requests
response = requests.get("http://www.sina.com.cn")
print(response.request.headers)
print(response.content.decode())
结果
{'User-Agent': 'python-requests/2.21.0', 'Accept-Encoding': 'gzip, deflate', 'Accept': '*/*', 'Connection': 'keep-alive'}
<!DOCTYPE html>
<!-- [ published at 2019-02-25 14:24:00 ] -->
<html>
<head>
<meta http-equiv="Content-type" content="text/html; charset=utf-8" />
<meta http-equiv="X-UA-Compatible" content="IE=edge" />
<title>新浪首页</title>
<meta name="keywords" content="新浪,新浪网,SINA,sina,sina.com.cn,新浪首页,门户,资讯" />
<meta name="description" content="新浪网为全球用户24小时提供全面及时的中文资讯，内容覆盖国内外突发新闻事件、体坛赛事、娱乐时尚、产业资讯、实用信息等，设有新闻、体育、娱乐、财经、科技、房产、汽车等30多个内容频道，同时开设博客、视频、论坛等自由互动交流空间。" />
<meta content="always" name="referrer">
<link rel="mask-icon" sizes="any" href="//www.sina.com.cn/favicon.svg" color="red">
......
response.text
import requests
response = requests.get("http://www.sina.com.cn")
print(response.request.headers)
print(response.text)
结果
{'User-Agent': 'python-requests/2.12.4', 'Accept-Encoding': 'gzip, deflate', 'Accept': '*/*', 'Connection': 'keep-alive'}
<!DOCTYPE html>
<!-- [ published at 2017-06-09 15:18:10 ] -->
<html>
<head>
<meta http-equiv="Content-type" content="text/html; charset=utf-8" />
<meta http-equiv="X-UA-Compatible" content="IE=edge" />
<title>新浪首页</title>
<meta name="keywords" content="新浪,新浪网,SINA,sina,sina.com.cn,新浪首页,门户,资讯" />
<meta name="description" content="新浪网为全ç�ƒç”¨æˆ·24å°�æ—¶æ��供全é�¢å�Šæ—¶çš„ä¸æ–‡èµ„讯，内容覆盖国内外çª�å�‘新闻事件ã€�体å�›èµ›äº‹ã€�娱ä¹�时尚ã€�产业资讯ã€�实用信æ�¯ç‰ï¼Œè®¾æœ‰æ–°é—»ã€�体育ã€�娱ä¹�ã€�è´¢ç»�ã€�科技ã€�房产ã€�汽车ç‰30多个内容频é�“，å�Œæ—¶å¼€è®¾å�šå®¢ã€�视频ã€�论å�›ç‰è‡ªç”±äº’动交æµ�空间。" />
<link rel="mask-icon" sizes="any" href="//www.sina.com.cn/favicon.svg" color="red">
`
response.text和response.content的区别(原因分析)
上面的中文乱码很可能是编码方式不匹配
可以试着在print(response.text)前指定响应编码方式
response.encoding = 'utf-8'
- 重点理解
response.text返回的类型是str
response.content返回的类型是bytes，可以通过decode()方法将bytes类型转为str类型
推荐使用：response.content.decode()的方式获取相应的html页面
- 扩展理解
response.text
解码类型：根据HTTP头部对响应的编码做出有根据的推测，推测的文本编码
如何修改编码方式：response.encoding = 'utf-8'
response.content
解码类型：没有指定
如何修改编码方式：response.content.decode('utf8')
小栗子2 request请求-响应-保存
通过requests获取网络上的图片并保存到本地
import requests
img_url = "http://imglf1.ph.126.net/pWRxzh6FRrG2qVL3JBvrDg==/6630172763234505196.png"
response = requests.get(img_url)
with open('baidu_tieba.jpg', 'ab') as f:
f.write(response.content)
f.close()
requests库的七个主要方法
几个请求调用的例子
# 发送一个 HTTP POST 请求：
r = requests.post("http://httpbin.org/post",data = {'key':'value'})
r = requests.delete('http://httpbin.org/delete') # 发送一个 HTTP delete 请求：
r = requests.head('http://httpbin.org/get') # 发送一个 HTTP head 请求：
r = requests.options('http://httpbin.org/get') # 发送一个 HTTP options 请求：
