python第三方库之requests库

requests模块

1.requests 模块介绍

1.1 requests 模块的作用

发送 http 请求，获取响应数据

1.2 requests 模块是一个第三方模块，需要在 python 环境中额外安装

# 安装requests模块
pip/pip3 install requests 

# 查看是否安装指定模块
pip3 show requests

# 查看所有已经安装的模块
pip3 list

1.3 调用get方法，对目标URL发送请求

import requests

# 目标url
url = 'https://www.baidu.com'

# 向目标url发送get请求
responses = requests.get(url)

# 打印响应内容
print(responses.text)

2.response 响应对象

观察上面代码打印出来的响应内容有许多乱码，这是因为编解码的字符集不同造成的

import requests

# 目标url
url = 'https://www.baidu.com'

# 向目标url发送get请求
responses = requests.get(url)

# response.text 打印响应包源代码
# 打印默认编码类型
print(responses.encoding)

# 指定 utf8 编码，解决中文乱码
responses.encoding = 'utf8'

# 打印响应内容
print(responses.text)
---------------------------------
# response.content 打印响应包源代码
# 打印响应内容
print(responses.content.decode()) # 默认utf-8，response.content是存储bytes类型的响应源码，可以进行decode操作

1、response.text是requests模块安装chardet模块推测出的编码字符集进行解码的结果
2、网络传输的字符串都是bytes类型的，所以response.text = response.content.decode('推测出的编码字符集')
3、我们可以在网页源码中搜索 charset ，尝试参考该编码字符集，注意存在不准确的情况

2.1 response.text 和 response.content的区别:

· response.text
类型：str
解码类型：requests 模块自动根据HTTP头部对响应的编码作出有根据的推测，推测的文本编码
· response.content
类型：bytes
解码类型：没有指定

2.2 通过对response.content进行decode，来解决中文乱码

response.content.decode() 默认utf-8
response.content.decode("GBK")
常见的编码字符集
utf-8
gbk
gb2312
ascii
iso-8859-1

2.3 response响应对象的其它常用属性或方法

response.url 响应的url，有时候响应的url和请求的url并不一致
response.status_code 响应状态码
response.request.headers 响应对应的请求头
response.headers 响应头
response.request._cookies 响应对应请求的cookie，反馈cookieJar类型
response.cookies 响应的cookie（经过set-cookie动作，返回cookieJar类型
response.json() 自动将json字符串类型的响应内容转换为python对象（dict or list）

# 常见的响应对象参数和方法
# 响应url
print(responses.url)

# 状态码
print(responses.status_code)

# 响应对应请求头
print(responses.request.headers)
# 响应头
print(responses.headers)

# 打印响应设置的cookie值
print(responses.cookies)

3.requests模块发送请求

知识点：

headers 参数的使用
发送带有参数的请求
headers 中携带 cookie
cookies 参数的使用
cookieJar 的转换方法
超时参数 timeout 的使用
代理 ip 参数 proxies 的使用
使用 verify 参数忽略 CA 证书
requests 模块发送 post 请求
利用 requests.session 进行状态保持

获取百度首页代码并获取请求头

import requests

# 目标url
url = 'https://www.baidu.com'

# 向目标url发送get请求
responses = requests.get(url)

# 打印响应内容
print(responses.content.decode())

# 统计响应内容字符串长度
print(len(responses.content.decode()))

# 打印请求头
print(responses.request.headers)

3.1.1 思考

可以看到响应包内容很少，对比浏览器正常获取的少了很多，这是因为服务器识别导爬虫后进行了反爬
回顾爬虫的概念，模拟浏览器，欺骗服务器，获取和浏览器一致的内容

请求头中有很多字段，其中User-Agent字段比不可少，表示客户端的操作系统以及浏览器的信息

3.1.2 携带请求头发送请求的方法

requests.get(url, headers=headers)

headers参数接收字典形式的请求头
请求头字段名作为key，字段对应的值作为value

3.1.3 实现代码

从浏览器中复制User-Agent，构造headers字典；
谷歌浏览器为例，F12—》Network—》Headers—》User-Agent

import requests

# 目标url
url = 'https://www.baidu.com'

headers = {"User-Agent": "浏览器User-Agent值"}

# 在请求头中带上User-Agent，模拟浏览器
responses = requests.get(url,headers=headers)

# 打印响应内容
print(responses.content)

# 打印请求头信息
print(responses.request.headers)

3.2 发送带参数的请求

我们在使用百度搜索的时候经常发现url地址中会有一个？，那么这个问好后边的就是请求参数，又叫查询字符串

tips：浏览器抓包，发现传参很多，那么如何确定哪些是有效参数呢？一个一个删除，直到查询结果与正常不一样

3.2.1 在url携带参数

直接对含有参数的url发起请求

import requests

# 带参数url,python作为需要查询内容
url = 'https://www.baidu.com/s?wd=python'

headers = {"User-Agent": "浏览器User-Agent值"}

# 在请求头中带上User-Agent，模拟浏览器
responses = requests.get(url,headers=headers)

# 打印响应内容
print(responses.content)

# 将响应内容写入baidu.html中
with open('baidu.html', 'wb')as f:
    f.write(responses.content)

3.2.2 通过params携带参数字典

构建请求参数字典
向接口发送请求的时候带上参数字典，参数字典设置给params

import requests

url = 'https://www.baidu.com/s?'

headers = {"User-Agent": "浏览器User-Agent值"}

# 请求参数是一个字典 即wd=python
data= {
    'wd': 'python'
}

# 在请求头中带上User-Agent、params，模拟浏览器
responses = requests.get(url, headers=headers, params=data)

# 打印响应内容
print(responses.content)

with open('baidu_python.html', 'wb')as f:
    f.write(responses.content)

如果百度被反爬了可以用bing测试原理一样的

3.3 在headers参数中携带cookie

网站经常利用请求头中的Cookie字段来做用户访问状态的报错，那么我们可以在headers参数中添加Cookie，模拟普通用户的请求。我们以GitHub登录为例：

3.3.1 GitHub登录抓包分析

打开浏览器，右键-检查，点击Net work，勾选Preserve log
访问GitHub登录的url地址 http://github.com/login
输入账号密码点击登录后，访问一个需要登录后才能获取正确内容的url，比如点击右上角的Your profile访问 https://github.com/USER_NAME
确定url之后，再确定发送该请求所需要的请求头信息中的User-Agent和Cookie

3.3.2 完成代码

从浏览器中复制User-Agent和Cookie
浏览器中的请求头字段和值与headers参数中必须一致
headers请求参数字典中的Cookie键对应的值是字符串

import requests

url = 'https://github.com/Muzili233'

headers = {
    'user-agent' : 浏览器值,
    'cookie' : 浏览器值
}

# 在请求头中带上包含User-Agent和cookie请求头
response = requests.get(url,headers=headers)

# 保存响应包
with open('github.html','wb')as f:
    f.write(response.content)

3.3.3 运行代码验证结果

在打印的输出结果中搜索title，html中的标题文本内容如果是你的github账号，则成功利用headers参数携带cookie，获取登录后才能访问的页面
请求头带cookie访问成功

3.4 cookies参数的使用

上面我们在headers参数中携带cookie，也可以使用专门的cookies参数
1、cookies参数的形式：字典
cookies = {"cookie的name":"cookie的value"}

该字典对应请求头中Cookie字符串，以分号、空格分割每一对字典键值对
等号左边的是一个cookie的name，对应cookies字典的key
等号右边对应cookies字典的value

2、cookies参数的使用方法
response = requests.get(url, cookies)

3、将cookie字符串转换为cookies参数所需的字典:
cookies_dict = {cookie.split('='[0]:cookie.split('=')[-1] for cookie in cookies_str.split(';')}

4、注意：cookie一般是有过期时间的，一旦过期需要重新获取

import requests

url = 'https://github.com/Muzili233'

# 构建请求头
headers = {
    'user-agent' : '浏览器user-agent值'
}

# 构建cookie字典
temp = '浏览器cookie值'

# 稳妥方案
cookie_list = temp.split('; ')
cookies = {}

for cookie in cookie_list:
    cookies[cookie.split('=')[0]] = cookie.split('=')[-1]

# 打印cookies字典
print(cookies)

# 发送携带headers和cookies的请求头
response = requests.get(url,headers=headers,cookies=cookies)


with open('githubC.html','wb')as f:
    f.write(response.content)

稳妥方案代码可以替换成如下代码：

3.5 cookieJar对象转换为cookies字典的方法

使用request获取的resposne对象，具有cookies属性。该属性是一个cookieJar类型，包含了对方服务器设置在本地的cookie。我们如何将其转换为cookies字典呢？
1、转换方法
cookies_dict = requests.utils.dict_from_cookiejar(response.cookies)
2、其中response.cookies返回的就是cookieJar类型的对象
3、requests.utils.dict_from_cookiejar 函数返回cookies字典

import requests

# 定义目标 URL
url = 'https://www.baidu.com'

# 发送 GET 请求并获取响应
response = requests.get(url)

# 打印原始 cookies（cookieJar 对象）
print(response.cookies)

# 将 cookieJar 转换为字典
dict_cookies = requests.utils.dict_from_cookiejar(response.cookies)
print(dict_cookies)

# 将字典转换回 cookieJar 对象
jar_cookies = requests.utils.cookiejar_from_dict(dict_cookies)
print(jar_cookies)

登录后使用CookieJar维持会话状态
大部分时间使用的是cookie字典的形式

3.6 超时参数timeout的使用

在平时网上冲浪的过程中，我们经常会遇到网络波动，这个时候，一个请求等了很久可能任然没有结果。
在爬虫中，一个请求很久没有结果，就会让整个项目的效率变得非常低，这个时候我们就需要对请求进行强制要求，让他必须在特定的时间内返回结果，否则就报错。
1、超时参数 timeout 的使用方法

  response = requests.get(url, timeout=3)

2、timeout=3 表示：发生请求后，3秒钟内返回响应，否则就抛出异常

import requests

url = ''
response = requests.get(url, timeout=3)  #设置超时时间

3.7 代理ip参数proxies的使用

3.7.1 理解使用代理的

1、代理ip是一个ip，指向的是一个代理服务器
2、代理服务器能够帮我们向目标服务器转发请求

3.7.2 正向代理和反向代理的区别

前边提到proxy参数指定的代理ip指向的是正向的代理服务器，那么响应的就有反向服务器；现在来了解一下正向代理服务器和反向代理服务器的区别
1、从发送请求的一方的角度，来区分正向或反向代理
2、为浏览器或客户端（发送请求的一方）转发请求的，叫做正向代理
浏览器知道最终处理请求的服务器的真实ip地址，例如vpn
3、不为浏览器或客户端（发送请求的一方）转发请求、而是为最终处理请求的服务器转发的，叫做反向代理
浏览器不知道服务器的真实地址，例如nginx

3.7.3 代理ip（代理服务器）的分类

1、根据代理ip的匿名程度，代理ip可以分为下面三类：
· 透明代理（Transparent Proxy）：透明代理虽然可以直接“隐藏”你的ip地址，但是还是可以查到你是谁。目标服务器接收到的请求头如下：

RENOTE_ADDR = Proxy IP
HTTP_VIA = Proxy IP
HTTP_X_FORWAREDE_FOR = Your IP

· 匿名代理（Anonymous Proxy）:使用匿名代理，别人只能知道你用了代理，无法知道你是谁。目标服务器接收到的请求头如下：

REMOTE_ADDR = proxy IP
HTTP_VIA = proxy IP
HTTP_X_FORWARDED_FOR = proxy IP

· 高匿代理（Elite proxy或Anonymity Proxy）：高匿代理让别人根本无法发现你是在用代理，所以最好的选择。毫无疑问使用高匿代理效果最好。目标服务器接收到的请求头如下：

REMOTE_ADDR = Proxy IP
HTTP_VIA = not determined
HTTP_X_FORWARDED_FOR = not determined

2.根据网站所使用的协议不同，需要使用相应协议的代理服务。从代理服务请求使用的协议可以分为：
· http代理：目标 url 为 http 协议
· https代理：目标 url 为 https 协议
· socks隧道代理（例如socks5代理）等：
（1）socks 代理只是简单地传递数据包，不关心是何种应用协议（FTP、HTTP和HTTPS等）。
（2）socks 代理比http、https代理耗时少。
（3）socks 代理可以转发http和https的请求。

3.7.4 proxies 代理参数的使用

为了让服务器以为不是同一个客户端在请求：为了防止频繁向一个域名发送请求被封ip，所以我们需要使用代理ip；那么我们接下来要学习requests模块是如何使用代理ip的
· 用法

response = requests.get(url,proxies=proxies)

· proxies的形式：字典

proxies = {
  "http":"http://12.24.56.79:9527",
  "https":"https://12.24.56.79:9527",
}

· 注意：如果proxies字典中包含有多个键值对，发送请求时将按照url地址的协议来选择使用相应的代理ip

实践

代理使用成功不会有任何报错，能成功获取响应，如果失败，要么卡滞，要么报错

# coding:utf-8
import requests

url = 'http://www.bing.com'

proxies = {
    'htttps': 'https://114.231.58.238:20474'
}

response = requests.get(url ,proxies=proxies)

print(response.text)

为什么需要使用代理？当你的IP被对方服务器封禁的时候就需要使用代理。

3.8 使用verify参数忽略CA证书

在使用浏览器上网的时候，有时能够看到下面的提示

· 原因：该网站的CA证书没有经过【受信任的根证书颁发机构】的认证

什么是CA证书？CA证书是网络世界中的“数字身份证”，由受信任的第三方机构（CA中心）颁发，用于在互联网上验证身份、确保通信安全。常见到CA证书的场景就是访问HTTPS网站。

3.8.1 运行代码查看代码中向不安全的链接发起请求的效果

运行下面的代码将会抛出包含 ssl.CertificateError ...字样的异常

improt requests
url = "https://sam.huat.edu.cn:8443/selfservice/"
response = requests.get(url)

ssl.CertificateError异常报错

3.8.2 解决办法

为了在代码中能够正常的请求，我们使用 verify=False 参数，此时requests模块发生请求将不做CA证书的验证：verify参数能够忽略CA证书的认证

import requests
url = "https://sam.huat.edu.cn:8443/selfservice"
response = requests.get(url,verify=False)

InsecureReguestwarning告警而非报错

4.requests模块发送post请求

思考：哪些地方我们会用到POST请求？
1、登录注册（在web工程师看来POST比GET更安全，url地址中不会暴漏用户的账号密码等信息）
2、需要传输大文本内容的时候（POST请求对数据长度没有要求）
所以同样的，我们的爬虫也需要在这两个地方回去模拟浏览器发送post请求

4.1 requests发送post请求的方法

· response = requests.post(url, date)
· data 参数接收一个字典
· requests 模块发送post请求函数的其它参数和发送get请求的参数完全一致

4.2 POST请求练习

下面我们通过锤子在线工具的例子看看post请求如何使用：
1、地址：https://www.toolhelper.cn/EncodeDecode/Base64
思路分析
1、抓包确定请求的url地址

# base64在线翻译
# 思路：
# 1、抓包确定post请求url地址
# 2、确定headers
# 3、确定data字典
# 4、发送请求获取响应
# 5、json数据解析

import requests
import json

class MyBase(object):
    def __init__(self):
        # post请求url地址
        self.url = 'https://www.toolhelper.cn/EncodeDecode/Base64Encode?gts=1760057577767&gv=232&r_=0.07559544828228426'
        # headers请求头
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/140.0.0.0 Safari/537.36'
        }
        # post请求传参，input值需要进行base64编码的值
        self.date = {
            "input": "china",
            "encoding": "UTF-8",
            "isFilterNonBase64": "1"
        }

    # 发送POST请求获取数据
    def get_data(self):
        response = requests.post(self.url, headers=self.headers, data=self.date)
        # print(response.content)
        return response.content

    # 读取响应包中的数据
    def parse_data(self, data):
        # loads方法将json字符串转换成python字典
        dict_data = json.loads(data)
        # 响应包json数据解析，英译中和中译英返回值在json数据不同键值下，通过try方法判断
        print( dict_data['Data'])

    # 运行爬虫代码
    def run(self):
        # 发送请求获取响应
        response = self.get_data()
        # 数据解析
        self.parse_data(response)

if __name__ == '__main__':
    myBase64 = MyBase() 
    myBase64.run()

4.3 requests-post数据来源

quests模块发送post请求
1.实现方法
requests.post(url, data)
data是一个字典
2.post数据来源
1）固定值：抓包比较不变值
2）输入值：抓包比较根据自身变化值
3）预设值：静态文件中-需要提前从静态html中获取
4）预设值：发请求-需要对指定地址发送请求获取数据
5）在客户端生成的：分析JS，模拟生成数据

5.利用requests.session进行状态保持

requests模块中的Session类能够自动处理发送请求获取响应过程中产生的cookie，进而达到状态保持的目的，接下来我们就来学习他

5.1 requests.session的作用以及应用场景

· requests.session的作用
· 自动处理cookie，即下一次请求会带上前一次的cookie
· requests.session的应用场景
· 自动处理连续的多次请求过程中产生的cookie

5.2 requests.session使用方法

session实例在请求了一个网站后，对方服务器设置在本地的cookie会保存session中，下一次再使用session请求对方服务器的时候，会带上前一次的cookie

session = requests.session() # 实例化session对象
response = session.get(url, headers, ···）
response = session.post(url, data,···）

· session对象发送get或post请求的参数，与requests模块发送请求的参数完全一致

5.3 实操练习

使用requests.session来完成github登录，并获取需要登录后才能访问的页面

5.3.1 提示

1.对github登录以及访问登录后才能访问的页面的整个完成过程进行抓包
2.确定登录请求的url地址、请求方法和所需的请求参数
· 部分请求参数在别的url对应的响应内容中，可以使用re模块获取
3.确定登录后才能访问的页面的url地址和请求方法
4.利用requests.session完成代码

5.3.2 参考代码

# coding:utf-8
import requests
import re

def login():
    # session
    session = requests.session()
    
    # headers
    session.headers = {
        'user-agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/140.0.0.0 Safari/537.36'
    }

    # url1-获取token
    url1 = 'https://github.com/login'
    # 发送请求获取响应
    res_1 = session.get(url1).content.decode()
    # 正则提取token值
    token = re.findall('name="authenticity_token" value="(.*?)" />', res_1)[0]
    # print(token)
    
    # url2-登录
    url2 = 'https://github.com/session'
    # 构建表单数据
    data = {
        'commit' : 'Sign in',
        'authenticity_token' : token,
        'login' : '用户名',
        'password' : '密码',
        'webauthn-support' : 'supported'
    }
    # 发送请求登录
    session.post(url2, data=data)
    # print(data)

    # url3-验证
    url3 = 'https://github.com/Muzili233'
    response = session.get(url3)
    with open('github.html', 'wb')as f:
        f.write(response.content)


if __name__ == '__main__':
    login()

参考：Python3的requests库使用教程

posted @ 2025-10-10 17:44 南舟树阅读(10) 评论(0) 收藏举报

刷新页面返回顶部