爬虫第二天
requests模块的使用
导入requests模块
import requests
编写请求url
base_url = "http://www.baidu.com/"
编写请求头
headers = { # 里面放参数 }
编写参数
params = { #放参数 }
获取响应
# response = requests.get(base_url, headers=headers,params=params) response = requests.post(base_url, headers=headers, params=params)
response对象的属性
服务器响应包含:状态行(协议,状态码),响应头,空行,响应正文
（1）响应正文：
字符串格式：response.text
bytes类型：response.content
（2）状态码：response.status_code
（3）响应头：response.headers(字典)
response.headers['cookie']
（4）响应正文的编码：response.encoding
response.text获取到的字符串类型的响应正文，其实是通过下面的步骤获取的：
response.text = response.content.decode(response.encoding)
（5）乱码问题的解决办法：
产生的原因：编码和解码的编码格式不一致造成的。
str.encode('编码')---将字符串按指定编码解码成bytes类型
bytes.decode('编码')---将bytes类型按指定编码编码成字符串。
a、response.content.decode('页面正确的编码格式')
<meta http-equiv="content-type" content="text/html;charset=utf-8">
b、找到正确的编码，设置到response.encoding中
response.encoding = 正确的编码
response.text--->正确的页面内容。
get请求项目总结：
a、没有请求参数的情况下，只需要确定url和headers字典。
b、get请求是有请求参数。
在chrome浏览器中，下面找query_string_params,将里面的参数封装到params字典中。
c、分页主要是查看每页中，请求参数页码字段的变化，找到变化规律，用for循环就可以做到分页。
post请求：
requests.post(
url=请求url，
headers = 请求头字典，
data=请求数据字典
timeout=超时时长
)---response对象
post请求一般返回数据都是json数据。
#解析json数据的方法：
（1）response.json()--->json字符串所对应的python的list或者dict
（2）用json模块。
json.loads(json_str)---->json_data(python的list或者dict)
json.dumps(json_data)--->json_str
post请求能否成功，关键看请求参数。
如何查找是哪个请求参数在影响数据获取？--->通过对比，找到变化的参数。
变化参数如何找到参数的生成方式，就是解决这个ajax请求数据获取的途径。
寻找的办法有以下几种：
（1）写死在页面。
（2）写在js中。
（3）请求参数是在之前的一条ajax请求的数据里面提前获取好的。
代理使用方法。
（1）代理基本原理：
代理形象的说，他是网络信息中转站。实际上就是在本机和服务器之间架了一座桥。
（2）代理的作用：
a、突破自身ip访问现实，可以访问一些平时访问不到网站。
b、访问一些单位或者团体的资源。
c、提高访问速度。代理的服务器主要作用就是中转，所以一般代理服务里面都是用内存来进行数据存储的。
d、隐藏ip。
（3）代理的分类：
1、按照协议进行划分：
FTP代理服务器---21,2121
HTTP代理服务器---80,8080
SSL/TLS代理：主要用访问加密网站。端口：443
telnet代理 ：主要用telnet远程控制，端口一般为23
2、按照匿名程度：
高度匿名代理：数据包会原封不动转化，在服务段看来，就好像一个普通用户在访问，做到完全隐藏ip。
普通匿名代理：数据包会做一些改动，服务器有可能找到原ip。
透明代理：不但改动数据，还会告诉服务，是谁访问的。
间谍代理：指组织或者个人用于记录用户传输数据，然后进行研究，监控等目的的代理。
（4）在requests模块中如何设置代理？
proxies = {
'代理服务器的类型':'代理ip'
}
response = requests.get(proxies = proxies)
代理服务器的类型:http,https,ftp
代理ip:http://ip:port
