python requests庫的使用
更新時間：2021年01月06日 10:57:35 作者：゛竹先森゜
這篇文章主要介紹了python requests庫的使用，幫助大家更好的利用python進行爬蟲，感興趣的朋友可以了解下
requests模塊
使用requests可以模擬瀏覽器的請求，requests模塊的本質(zhì)是封裝了urllib3模塊的功能，比起之前用到的urllib，requests模塊的api更加便捷
requests庫發(fā)送請求將網(wǎng)頁內(nèi)容下載下來以后，并不會執(zhí)行js代碼，這需要我們自己分析目標站點然后發(fā)起新的request請求，但是selenium模塊就可以執(zhí)行js的操作。
安裝：
pip3 install requests
請求方式：主要用到的就get和post兩種
#各種請求方式：常用的就是requests.get()和requests.post()
import requests
r = requests.get('https://api.github.com/events')
r = requests.post('http://httpbin.org/post', data = {'key':'value'})
r = requests.put('http://httpbin.org/put', data = {'key':'value'})
r = requests.delete('http://httpbin.org/delete')
r = requests.head('http://httpbin.org/get')
r = requests.options('http://httpbin.org/get')
#GET請求
HTTP默認的請求方法就是GET
* 沒有請求體
* 數(shù)據(jù)必須在1K之內(nèi)！
* GET請求數(shù)據(jù)會暴露在瀏覽器的地址欄中
GET請求常用的操作：
1. 在瀏覽器的地址欄中直接給出URL，那么就一定是GET請求
2. 點擊頁面上的超鏈接也一定是GET請求
3. 提交表單時，表單默認使用GET請求，但可以設(shè)置為POST
#POST請求
(1). 數(shù)據(jù)不會出現(xiàn)在地址欄中
(2). 數(shù)據(jù)的大小沒有上限
(3). 有請求體
(4). 請求體中如果存在中文，會使用URL編碼！
#！??！requests.post()用法與requests.get()完全一致，特殊的是requests.post()有一個data參數(shù)，用來存放請求體數(shù)據(jù)
基于GET的請求方式
一、基本請求的代碼
import requests
response=requests.get('http://http://www.cnblogs.com/')
print(response.text)
二、GET請求的參數(shù)
GET請求的參數(shù)放在url的問號后面，以鍵值對形式傳參
方式一：自行拼接參數(shù)（原理就是這樣，不過我們一般都用方式二的形式）
#在請求頭內(nèi)將自己偽裝成瀏覽器，否則百度不會正常返回頁面內(nèi)容
import requests
response=requests.get('https://www.baidu.com/s?wd=python&pn=1',
#請求頭信息
headers={
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.75 Safari/537.36',
})
print(response.text)
#如果查詢關(guān)鍵詞是中文或者有其他特殊符號，則不得不進行url編碼后再拼接
from urllib.parse import urlencode
wd='蒼老師'
encode_res=urlencode({'k':wd},encoding='utf-8')
keyword=encode_res.split('=')[1]#拿到編碼后的字符串
print(keyword)
# 然后拼接成url
url='https://www.baidu.com/s?wd=%s&pn=1' %keyword
response=requests.get(url,
headers={
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.75 Safari/537.36',
})
res1=response.text
方式二：利用params參數(shù)（原理就是底層封裝了方式一）
#上述操作可以用requests模塊的一個params參數(shù)搞定，本質(zhì)還是調(diào)用urlencode
from urllib.parse import urlencode
wd='egon老師'
pn=1
response=requests.get('https://www.baidu.com/s',
#參數(shù)進行傳參，幫我們省去了urlencode這一步
params={
'wd':wd,
'pn':pn
},
headers={
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.75 Safari/537.36',
})
res2=response.text
#驗證結(jié)果，打開a.html與b.html頁面內(nèi)容一樣
with open('a.html','w',encoding='utf-8') as f:
f.write(res1)
with open('b.html', 'w', encoding='utf-8') as f:
f.write(res2)
params參數(shù)的使用
三、請求頭headers
一般情況下，瀏覽器在發(fā)送GET請求的時候都會有請求頭，用于放置跟客戶端有關(guān)的信息。有些網(wǎng)站必須要有某些參數(shù)，這時我們在用爬蟲偽造瀏覽器發(fā)送GET請求時就要在headers參數(shù)下設(shè)置好請求頭中會攜帶的參數(shù)
常見請求頭：
#通常我們在發(fā)送請求時都需要帶上請求頭，請求頭是將自身偽裝成瀏覽器的關(guān)鍵，常見的有用的請求頭如下
Host
Referer #大型網(wǎng)站通常都會根據(jù)該參數(shù)判斷請求的來源
User-Agent #客戶端
Cookie #Cookie信息包含在請求頭里，requests模塊有單獨的參數(shù)來處理他，處理后headers={}內(nèi)就可以不用放置
#添加headers(瀏覽器會識別請求頭,不加可能會被拒絕訪問,比如訪問https://www.zhihu.com/explore)
import requests
response=requests.get('https://www.zhihu.com/explore')
response.status_code #500
#自己定制headers
headers={
'User-Agent':'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.76 Mobile Safari/537.36',
}
respone=requests.get('https://www.zhihu.com/explore',
headers=headers)
print(respone.status_code) #200
設(shè)置請求頭的方式
四、cookie信息
有些要登錄才能實行的功能，我們就必須在發(fā)起請求的信息中帶上cookie，該cookie需要先由瀏覽器真實訪問后得到，不可偽造。但我們可以在瀏覽器真實訪問后將cookie信息復制出來，在我們爬蟲發(fā)起GET請求時傳入該參數(shù)即可
#登錄github，然后從瀏覽器中獲取cookies，以后就可以直接拿著cookie登錄了，無需輸入用戶名密碼
#用戶名:egonlin 郵箱378533872@qq.com 密碼lhf@123
import requests
Cookies={ 'user_session':'wGMHFJKgDcmRIVvcA14_Wrt_3xaUyJNsBnPbYzEL6L0bHcfc',
}
response=requests.get( 'https://github.com/settings/emails',
cookies=Cookies) #github對請求頭沒有什么限制，我們無需定制user-agent，對于其他網(wǎng)站可能還需要定制
print('378533872@qq.com' in response.text) #True
然而，每次都要先打開瀏覽器訪問鏈接再講cookie復制出來是一個非常麻煩的事，真正的程序員怎么可以被這個給限制住。所以，我們就要用到requests模塊下的一個函數(shù)
import requests session = requests.session()
之后，我們每次發(fā)起GET請求的時候都用session代替requests即可，再也不必為傳cookie而煩惱啦。（從此忘記cookie也行哈哈哈）
示例代碼：
session.get( 'https://passport.lagou.com/grantServiceTicket/grant.html',
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
'Referer': 'https://passport.lagou.com/login/login.html',
}
)
基于POST的請求方式
請求的代碼與GET相同，不過因為POST請求的參數(shù)放在請求體里，所以在傳參的時候會多一個data參數(shù)，用于放置請求的參數(shù)信息。
'''
一 目標站點分析
瀏覽器輸入https://github.com/login
然后輸入錯誤的賬號密碼，抓包
發(fā)現(xiàn)登錄行為是post提交到：https://github.com/session
而且請求頭包含cookie
而且請求體包含：
commit:Sign in
utf8:✓
authenticity_token:lbI8IJCwGslZS8qJPnof5e7ZkCoSoMn6jmDTsL1r/m06NLyIbw7vCrpwrFAPzHMep3Tmf/TSJVoXWrvDZaVwxQ==
login:egonlin
password:123
二 流程分析
先GET：https://github.com/login拿到初始cookie與authenticity_token
返回POST：https://github.com/session， 帶上初始cookie，帶上請求體（authenticity_token，用戶名，密碼等）
最后拿到登錄cookie
ps：如果密碼時密文形式，則可以先輸錯賬號，輸對密碼，然后到瀏覽器中拿到加密后的密碼，github的密碼是明文
'''
import requests
import re
#第一次請求
r1=requests.get('https://github.com/login')
r1_cookie=r1.cookies.get_dict() #拿到初始cookie(未被授權(quán))
authenticity_token=re.findall(r'name="authenticity_token".*?value="(.*?)"',r1.text)[0] #從頁面中拿到CSRF TOKEN
#第二次請求：帶著初始cookie和TOKEN發(fā)送POST請求給登錄頁面，帶上賬號密碼
data={
'commit':'Sign in',
'utf8':'✓',
'authenticity_token':authenticity_token,
'login':'317828332@qq.com',
'password':'alex3714'
}
r2=requests.post('https://github.com/session',
data=data,
cookies=r1_cookie
)
login_cookie=r2.cookies.get_dict()
#第三次請求：以后的登錄，拿著login_cookie就可以,比如訪問一些個人配置
r3=requests.get('https://github.com/settings/emails',
cookies=login_cookie)
print('317828332@qq.com' in r3.text) #True
自動登錄github（自己處理cookie信息）
手動處理cookie后實現(xiàn)自動登錄github
import requests
import re
session=requests.session()
#第一次請求
r1=session.get('https://github.com/login')
authenticity_token=re.findall(r'name="authenticity_token".*?value="(.*?)"',r1.text)[0] #從頁面中拿到CSRF TOKEN
#第二次請求
data={
'commit':'Sign in',
'utf8':'✓',
'authenticity_token':authenticity_token,
'login':'317828332@qq.com',
'password':'alex3714'
}
r2=session.post('https://github.com/session',
data=data,
)
#第三次請求
r3=session.get('https://github.com/settings/emails')
print('317828332@qq.com' in r3.text) #True
使用requests.session()自動幫我們處理cookie信息后自動登錄GitHub
補充說明
requests.post(url='xxxxxxxx',
data={'xxx':'yyy'}) #沒有指定請求頭,#默認的請求頭:application/x-www-form-urlencoed
#如果我們自定義請求頭是application/json,并且用data傳值, 則服務(wù)端取不到值
requests.post(url='',
data={'':1,},
headers={
'content-type':'application/json'
})
requests.post(url='',
json={'':1,},
) #默認的請求頭:application/json
響應(yīng)Response
response是響應(yīng)信息，具體屬性如下
import requests
respone=requests.get('http://www.jianshu.com')
# respone屬性
print(respone.text) #包含html內(nèi)容的字符串
print(respone.content)#bytes類型的字符串
print(respone.status_code)#狀態(tài)碼200
print(respone.headers) #請求頭信息
print(respone.cookies) #COOKIE對象
print(respone.cookies.get_dict())#封裝了cookie參數(shù)的字典{'locale': 'zh-CN'}
print(respone.cookies.items())#封裝了cookie參數(shù)的列表[('locale', 'zh-CN')]
print(respone.url)#url地址https://www.jianshu.com/
print(respone.history)
print(respone.encoding)#編碼utf-8
#關(guān)閉：response.close()
from contextlib import closing
with closing(requests.get('xxx',stream=True)) as response:
for line in response.iter_content():
pass#將內(nèi)容一行一行寫到文件中
有時網(wǎng)頁不是utf-8的編碼，所以我們要解決編碼的問題
#編碼問題
import requests
response=requests.get('http://www.autohome.com/news')
# response.encoding='gbk' #汽車之家網(wǎng)站返回的頁面內(nèi)容為gb2312編碼的，而requests的默認編碼為ISO-8859-1，如果不設(shè)置成gbk則中文亂碼
print(response.text)
獲取二進制數(shù)據(jù)和二進制流
圖片和視頻我們獲取下來時是二進制數(shù)據(jù)，這時我們要用wb的形式寫到本地。但有時視頻很大，我們一下子加載到內(nèi)存再去寫入本地是不合理的，所以我們會用到二進制流
寫二進制數(shù)據(jù)：
import requests
response=requests.get('https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1509868306530&di=712e4ef3ab258b36e9f4b48e85a81c9d&imgtype=0&src=http%3A%2F%2Fc.hiphotos.baidu.com%2Fimage%2Fpic%2Fitem%2F11385343fbf2b211e1fb58a1c08065380dd78e0c.jpg')
with open('a.jpg','wb') as f:
f.write(response.content)
二進制流：
#stream參數(shù):一點一點的取,比如下載視頻時,如果視頻100G,用response.content然后一下子寫到文件中是不合理的
import requests
response=requests.get('https://gss3.baidu.com/6LZ0ej3k1Qd3ote6lo7D0j9wehsv/tieba-smallvideo-transcode/1767502_56ec685f9c7ec542eeaf6eac93a65dc7_6fe25cd1347c_3.mp4',
stream=True)
with open('b.mp4','wb') as f:
for line in response.iter_content():
f.write(line)
解析json數(shù)據(jù)：
#解析json
import requests
response=requests.get('http://httpbin.org/get')
import json
res1=json.loads(response.text) #太麻煩
res2=response.json() #直接獲取json數(shù)據(jù)
print(res1 == res2) #True
Redirection and History
By default Requests will perform location redirection for all verbs except HEAD.
We can use the history property of the Response object to track redirection.
The Response.history list contains the Response objects that were created in order to complete the request. The list is sorted from the oldest to the most recent response.
For example, GitHub redirects all HTTP requests to HTTPS:
>>> r = requests.get('http://github.com')
>>> r.url
'https://github.com/'
>>> r.status_code
>>> r.history
[<Response [301]>]
If you're using GET, OPTIONS, POST, PUT, PATCH or DELETE, you can disable redirection handling with the allow_redirects parameter:
>>> r = requests.get('http://github.com', allow_redirects=False)
>>> r.status_code
>>> r.history
[]
If you're using HEAD, you can enable redirection as well:
>>> r = requests.head('http://github.com', allow_redirects=True)
>>> r.url
'https://github.com/'
>>> r.history
[<Response [301]>]
先看官網(wǎng)的解釋
官網(wǎng)解釋（強行裝作看得懂的樣子）
import requests
import re
#第一次請求
r1=requests.get('https://github.com/login')
r1_cookie=r1.cookies.get_dict() #拿到初始cookie(未被授權(quán))
authenticity_token=re.findall(r'name="authenticity_token".*?value="(.*?)"',r1.text)[0] #從頁面中拿到CSRF TOKEN
#第二次請求：帶著初始cookie和TOKEN發(fā)送POST請求給登錄頁面，帶上賬號密碼
data={
'commit':'Sign in',
'utf8':'✓',
'authenticity_token':authenticity_token,
'login':'317828332@qq.com',
'password':'alex3714'
}
#測試一：沒有指定allow_redirects=False,則響應(yīng)頭中出現(xiàn)Location就跳轉(zhuǎn)到新頁面，r2代表新頁面的response
r2=requests.post('https://github.com/session',
data=data,
cookies=r1_cookie
)
print(r2.status_code) #200
print(r2.url) #看到的是跳轉(zhuǎn)后的頁面
print(r2.history) #看到的是跳轉(zhuǎn)前的response
print(r2.history[0].text) #看到的是跳轉(zhuǎn)前的response.text
#測試二：指定allow_redirects=False,則響應(yīng)頭中即便出現(xiàn)Location也不會跳轉(zhuǎn)到新頁面，r2代表的仍然是老頁面的response
r2=requests.post('https://github.com/session',
data=data,
cookies=r1_cookie,
allow_redirects=False
)
print(r2.status_code) #302
print(r2.url) #看到的是跳轉(zhuǎn)前的頁面https://github.com/session
print(r2.history) #[]
利用github登錄后跳轉(zhuǎn)到主頁面的例子來驗證它
進階知識點
其實學會了以上的知識，就已經(jīng)可以做到用requests去爬網(wǎng)頁了。下面的知識是高級用法，但其實并不難。
一、SSL證書驗證
很多大網(wǎng)站用的都是https，而https是要求訪問者攜帶證書的，但是其實有些不用證書也可以訪問，大多數(shù)情況都是可以攜帶也可以不攜帶證書比如知乎和百度等
但有些是有硬性要求的,則必須帶，比如對于定向的用戶,拿到證書后才有權(quán)限訪問。例如12306
這個時候我們在用爬蟲發(fā)起請求的時候就需要做一些手腳啦
#證書驗證(大部分網(wǎng)站都是https)
import requests
respone=requests.get('https://www.12306.cn') #如果是ssl請求,首先檢查證書是否合法,不合法則報錯,不允許訪問
#改進1:去掉報錯,能訪問但是會報警告，因為畢竟我們沒有證書
import requests
respone=requests.get('https://www.12306.cn',verify=False) #verify參數(shù)改成false就不驗證證書,報警告,能訪問，返回200
print(respone.status_code)#200
#改進2:去掉報錯,并且去掉警報信息，與上步?jīng)]啥太大區(qū)別
import requests
from requests.packages import urllib3
urllib3.disable_warnings() #關(guān)閉警告
respone=requests.get('https://www.12306.cn',verify=False)
print(respone.status_code)
#改進3:加上證書
#很多網(wǎng)站都是https,但是不用證書也可以訪問,大多數(shù)情況都是可以攜帶也可以不攜帶證書
#知乎\百度等都是可帶可不帶
#有硬性要求的,則必須帶，比如對于定向的用戶,拿到證書后才有權(quán)限訪問某個類似12306的特定網(wǎng)站
import requests
respone=requests.get('https://www.12306.cn',
cert=('/path/server.crt',
'/path/key'))#證書存放在本地
print(respone.status_code)
二、代理
有些時候，我們用爬蟲訪問某網(wǎng)站請求的太頻繁時人家網(wǎng)站會檢測到你的不法行為然后將你的ip封掉，這樣你就不能繼續(xù)做不可告人的事啦。怎么辦呢？我們可以用到代理。
代理的原理是：我們先發(fā)送請求到代理的IP上，然后由代理幫忙發(fā)送。代理IP可以在網(wǎng)上搜，一搜一大把，但代理也是有時效性的，盡量用最新鮮的，因為老舊的可能已經(jīng)被人用爛然后早就被封了。。
使用http代理的栗子：
#官網(wǎng)鏈接: http://docs.python-requests.org/en/master/user/advanced/#proxies
#代理設(shè)置:先發(fā)送請求給代理,然后由代理幫忙發(fā)送
import requests
#代理的參數(shù)
proxies={
'http':'http://egon:123@localhost:9743',#帶用戶名密碼的代理,@符號前是用戶名與密碼，@符號后是IP和端口
'http':'http://localhost:9743',#不帶用戶名密碼的代理
'https':'https://localhost:9743',
}
respone=requests.get('https://www.12306.cn',
proxies=proxies)
print(respone.status_code)
擴展：socks代理
Socks 代理與應(yīng)用層代理、 HTTP 層代理不同，Socks代理只是簡單地傳遞數(shù)據(jù)包，而不必關(guān)心是何種應(yīng)用協(xié)議（比如FTP、HTTP和NNTP請求）。所以，Socks代理比其他應(yīng)用層代理要快得多。它通常綁定在代理服務(wù)器的1080端口上。如果在企業(yè)網(wǎng)或校園網(wǎng)上，需要透過防火墻或通過代理服務(wù)器訪問Internet就可能需要使用SOCKS。
一般情況下，對于撥號上網(wǎng)用戶都不需要使用它。我們常用的代理服務(wù)器仍然是專門的http代理，它和SOCKS是不同的。因此，能瀏覽網(wǎng)頁不等于您一定可以通過SOCKS訪問Internet。 常用的防火墻，或代理軟件都支持SOCKS，但需要其管理員打開這一功能。為了使用socks，需要了解一下內(nèi)容：
?、?SOCKS服務(wù)器的IP地址
② SOCKS服務(wù)所在的端口
?、?這個SOCKS服務(wù)是否需要用戶認證？如果需要，就要向網(wǎng)絡(luò)管理員申請一個用戶和口令
知道了上述信息，您就可以把這些信息填入“網(wǎng)絡(luò)配置”中，或者在第一次登記時填入，您就可以使用socks代理了。
不過我們在爬蟲階段不必了解那么多，我們只要知道用http代理的時候必須區(qū)分開是http請求還是https請求，因為代碼是不同的。而利用socks代理的時候就可以五十這些，統(tǒng)一使用socks。
示例代碼：
#支持socks代理,安裝:pip install requests[socks]
import requests
#用socks代替了http和https，無需特意做區(qū)分
proxies = {
'http': 'socks5://user:pass@host:port',
'https': 'socks5://user:pass@host:port'
}
respone=requests.get('https://www.12306.cn',
proxies=proxies)
print(respone.status_code)
三、超時時間
有時候網(wǎng)絡(luò)不好或者我們有相應(yīng)的需求的情況下，我們要為我們的網(wǎng)頁加載設(shè)置一個超時時間。在過了超時時間后網(wǎng)頁還沒加載完就關(guān)閉此次進程
#兩種超時設(shè)置:float or tuple
#timeout=0.1 #代表接收數(shù)據(jù)的超時時間
#timeout=(0.1,0.2)#0.1代表鏈接的超時時間 0.2代表接收數(shù)據(jù)的超時時間
import requests
respone=requests.get('https://www.baidu.com',
timeout=0.01)
四、認證設(shè)置（極不常用，了解即可）
有些網(wǎng)站的登錄框是像alert一樣彈出來的，這種類型的就無法從HTML中獲取到的，但其本質(zhì)原理還是拼接成請求頭發(fā)送的。
注：一般網(wǎng)站都不會使用這種形式的登錄界面
r.headers['Authorization'] = _basic_auth_str(self.username, self.password)
# 一般的網(wǎng)站都不用默認的加密方式，都是自己寫
# 那么我們就需要按照網(wǎng)站的加密方式，自己寫一個類似于_basic_auth_str的方法得到加密字符串后添加到請求頭
# r.headers['Authorization'] =func('.....')
#默認的加密方式（不過通常網(wǎng)站都不會用默認的加密設(shè)置）
import requests
from requests.auth import HTTPBasicAuth
r=requests.get('xxx',auth=HTTPBasicAuth('user','password'))
print(r.status_code)
#HTTPBasicAuth可以簡寫為auth
import requests
r=requests.get('xxx',auth=('user','password'))
print(r.status_code)
五、異常處理
異常處理就是防止程序發(fā)生異常時報錯終止的
#異常處理
import requests
from requests.exceptions import * #可以查看requests.exceptions獲取異常類型
try:
r=requests.get('http://www.baidu.com',timeout=0.00001)
except ReadTimeout:
print('===:')
except ConnectionError: #網(wǎng)絡(luò)不通
print('-----')
except Timeout:
print('aaaaa')
except RequestException:
print('Error')
六、上傳文件
上傳文件的操作很簡單，但是其實我們在爬蟲的時候基本不會用到上傳，我們都是爬取的。
import requests
files={'file':open('a.jpg','rb')}
respone=requests.post('http://httpbin.org/post',files=files)
print(respone.status_code)
formdata格式上傳圖片
import requests
from urllib3 import encode_multipart_formdata
path = 'test1.png'
# 上傳圖片
url = 'xxxxxx'
data = {'upload':(path, open(path, 'rb').read())}
header = {}
encode_data = encode_multipart_formdata(data)
file_data = encode_data[0]
header['Content-Type'] = encode_data[1]
r = requests.post(url, headers=header, data=file_data)
簡單應(yīng)用
爬取拉勾網(wǎng)職位信息并自動投遞簡歷：
import requests
import re
session = requests.session()
# 第一步：訪問登陸頁,拿到X_Anti_Forge_Token，X_Anti_Forge_Code
# 1、請求url:https://passport.lagou.com/login/login.html
# 2、請求方法:GET
# 3、請求頭:
# User-agent
r1 = session.get('https://passport.lagou.com/login/login.html',
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
},
)
X_Anti_Forge_Token = re.findall("X_Anti_Forge_Token = '(.*?)'", r1.text, re.S)[0]
X_Anti_Forge_Code = re.findall("X_Anti_Forge_Code = '(.*?)'", r1.text, re.S)[0]
# print(X_Anti_Forge_Token,X_Anti_Forge_Code)
# 第二步：登陸
# 1、請求url:https://passport.lagou.com/login/login.json
# 2、請求方法:POST
# 3、請求頭:
# cookie
# User-agent
# Referer:https://passport.lagou.com/login/login.html
# X-Anit-Forge-Code:53165984
# X-Anit-Forge-Token:3b6a2f62-80f0-428b-8efb-ef72fc100d78
# X-Requested-With:XMLHttpRequest
# 4、請求體：
# isValidate:true
# username:18611453110
# password:70621c64832c4d4d66a47be6150b4a8e
# request_form_verifyCode:''
# submit:''
r2 = session.post('https://passport.lagou.com/login/login.json',
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
'Referer': 'https://passport.lagou.com/login/login.html',
'X-Anit-Forge-Code': X_Anti_Forge_Code,
'X-Anit-Forge-Token': X_Anti_Forge_Token,
'X-Requested-With': 'XMLHttpRequest'
},
data={
"isValidate": True,
'username': '18611453110',
'password': '70621c64832c4d4d66a47be6150b4a8e',
'request_form_verifyCode': '',
'submit': ''
}
)
# 第三步：授權(quán)
# 1、請求url:https://passport.lagou.com/grantServiceTicket/grant.html
# 2、請求方法:GET
# 3、請求頭:
# User-agent
# Referer:https://passport.lagou.com/login/login.html
r3 = session.get('https://passport.lagou.com/grantServiceTicket/grant.html',
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
'Referer': 'https://passport.lagou.com/login/login.html',
}
)
# 第四步：驗證
r4 = session.get('https://www.lagou.com/resume/myresume.html',
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
}
)
# print('18611453110' in r4.text)
# 第五步：篩選職位信息
# 請求url：https://www.lagou.com/jobs/list_java%E9%AB%98%E7%BA%A7%E5%BC%80%E5%8F%91
# 請求方法：GET
# 請求頭：
# User-Agent
# 請求參數(shù)：
# gj:3年及以下
# px:default
# yx:25k-50k
# city:北京
from urllib.parse import urlencode
res = urlencode({'k': 'java高級開發(fā)'}, encoding='utf-8').split('=')[-1]
url = 'https://www.lagou.com/jobs/list_' + res
#
# r5 = session.get(url,
# headers={
# 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
# },
# params={
# 'gj': '3年及以下',
# 'px': 'default',
# 'yx': '25k-50k',
# 'city': '北京'
# }
# )
#
# print(r5.text)
#請求url：https://www.lagou.com/jobs/positionAjax.json
#請求方法：POST
#請求頭
# Referer
# User-Agent
#請求體：
# first:true
# pn:1
# kd:java高級開發(fā)
#請求參數(shù)
# params={
# 'gj': '3年及以下',
# 'px': 'default',
# 'yx': '25k-50k',
# 'city': '北京',
# 'needAddtionalResult':False,
# 'isSchoolJob':0
# }
r6=session.post('https://www.lagou.com/jobs/positionAjax.json',
headers={
'Referer':url,
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
},
data={
'first':True,
'pn':2,
'kd':'java高級開發(fā)'
},
params={
'gj': '3年及以下',
'px': 'default',
'yx': '25k-50k',
'city': '北京',
'needAddtionalResult': False,
'isSchoolJob': 0
}
)
from pprint import pprint
# print(r6.json())
comapines_list=r6.json()['content']['positionResult']['result']
for comapiny in comapines_list:
positionId=comapiny['positionId']
company_link='https://www.lagou.com/jobs/{pos_id}.html'.format(pos_id=positionId)
companyShortName = comapiny['companyShortName']
positionName = comapiny['positionName']
salary = comapiny['salary']
print('''
詳情連接:%s
公司名：%s
職位名：%s
薪資：%s
''' %(company_link,companyShortName,positionName,salary))
#第七步：訪問詳情頁，拿到X_Anti_Forge_Token，X_Anti_Forge_Code
# 請求url：詳情頁地址
# 請求方式：GET
# 請求頭：User-Agent
r7=session.get(company_link,
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
}
)
X_Anti_Forge_Token = re.findall("X_Anti_Forge_Token = '(.*?)'", r7.text, re.S)[0]
X_Anti_Forge_Code = re.findall("X_Anti_Forge_Code = '(.*?)'", r7.text, re.S)[0]
# print(X_Anti_Forge_Token,X_Anti_Forge_Code)
#第八步：投遞簡歷
#請求url：https://www.lagou.com/mycenterDelay/deliverResumeBeforce.json
#請求方式：POST
#請求頭：
#Referer:詳情頁地址
#User-agent
#X-Anit-Forge-Code:53165984
#X-Anit-Forge-Token:3b6a2f62-80f0-428b-8efb-ef72fc100d78
#X-Requested-With:XMLHttpRequest
#請求體：
# positionId:職位ID
# type:1
# force:true
session.post('https://www.lagou.com/mycenterDelay/deliverResumeBeforce.json',
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
'Referer': company_link,
'X-Anit-Forge-Code': X_Anti_Forge_Code,
'X-Anit-Forge-Token': X_Anti_Forge_Token,
'X-Requested-With': 'XMLHttpRequest'
},
data={
'positionId':positionId,
'type':1,
'force':True
}
)
print('%s 投遞成功' %(companyShortName))
爬取獵聘網(wǎng)職位信息（優(yōu)化）
import re
import requests
session=requests.session()#可以幫助我們自動處理cookie信息，我們不用再手動穿cookie的值
# 第一步：訪問登陸頁,這里的登錄頁就是首頁
# 1、請求url:https://www.liepin.com/
# 2、請求方法:GET
# 3、請求頭:
# User-agent
r1_url='https://www.liepin.com/'
user_agent='Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36'
# 第二步：登陸
# 1、請求url:https://passport.liepin.com/c/login.json?__mn__=user_login
# 2、請求方法:POST
# 3、請求頭:
# cookie
# User-agent
# Referer:https://passport.liepin.com/ajaxproxy.html
# X-Alt-Referer:https://www.liepin.com/
# X-Requested-With:XMLHttpRequest
# 4、請求體：
# user_pwd:5d353bc2f5474201c8a2f1891735999a
# version:
# user_login:15011316546
# chk_remember_pwd:on
r2_url='https://passport.liepin.com/c/login.json?__mn__=user_login'
r2_header_dict={
'User-agent':user_agent,
'Referer':'https://passport.liepin.com/ajaxproxy.html',
'X-Alt-Referer':'https://www.liepin.com/',
'X-Requested-With':'XMLHttpRequest'
}
r2_form_data={
'user_pwd':'5d353bc2f5474201c8a2f1891735999a',
'user_login':'15011316546',
'chk_remember_pwd':'on'
}
# 第三步：篩選職位信息
# 請求url：https://www.liepin.com/zhaopin/
# 請求方法：GET
# 請求頭：
# User-Agent
# 請求參數(shù)：
# salary:15$20
# dqs:010
# key:前臺
r3_url='https://www.liepin.com/zhaopin/'
r3_header_dict={
'User-Agent':user_agent
}
# r3_params={
# 'salary':'10$20',
# 'dqs':'010',
# 'key':'前臺'
# }
r3_params={
'salary':'10$20',
'dqs':'070020',
'key':'Python開發(fā)'
}
#第四步 正則匹配 拿到頁面中所有的職位數(shù)據(jù)，寫入文件中
re_rule = 'class="icon icon-yellow-triangle".*?class="job-info".*?title="(.*?)".*?href="(.*?)" rel="external nofollow" .*?title="(.*?)".*?class="company-name".*?title="(.*?)".*?target="_blank">(.*?)</a>'
txt = '獵聘網(wǎng)招聘（Python1）.txt'
#封裝，便于傳參
dict={
'r1_url':r1_url,
'user_agent':user_agent,
'r2_url':r2_url,
'r2_header_dict':r2_header_dict,
'r2_form_data':r2_form_data,
'r3_url':r3_url,
'r3_header_dict':r3_header_dict,
'r3_params':r3_params,
're_rule':re_rule,
'txt':txt
}
def spider(**kwargs):
#第一步
r1=session.get(r1_url,
headers={
'Referer':'https://www.liepin.com/',
'User-Agent':user_agent
}
)
#第二步
r2=session.post(r2_url,
headers=r2_header_dict,
data=r2_form_data
)
# 第三步3
r3=session.get(
r3_url,
headers=r3_header_dict,
params=r3_params
)
print('國內(nèi)某知名投行' in r3.text)
#第四步
result=re.findall(re_rule,r3.text,re.S)
for i in result:
a="""
招聘職位：%s
招聘鏈接：%s
薪資及要求：%s
公司名稱：%s
公司類型：%s
"""%i
with open(txt, 'a',encoding='UTF-8') as f:
f.write(a)
if __name__ == '__main__':
spider(**dict)
以上就是python requests庫的使用的詳細內(nèi)容，更多關(guān)于python requests庫的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
使用Anaconda3建立虛擬獨立的python2.7環(huán)境方法
今天小編就為大家分享一篇使用Anaconda3建立虛擬獨立的python2.7環(huán)境方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-06-06
python棧的基本定義與使用方法示例【初始化、賦值、入棧、出棧等】
這篇文章主要介紹了python棧的基本定義與使用方法,結(jié)合實例形式分析了Python棧的初始化、賦值、入棧、出棧等相關(guān)操作技巧,需要的朋友可以參考下2019-10-10
python面向?qū)ο缶幊淘O(shè)計原則之單一職責原則詳解
這篇文章主要為大家詳細介紹了python面向?qū)ο缶幊淘O(shè)計原則之單一職責原則，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-03-03
下面小編就為大家分享一篇對numpy中布爾型數(shù)組的處理方法詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
這篇文章主要介紹了如何在Python中用好短路機制，Python中的短路機制非常有用，跟很多其他編程語言中的短路機制作用類似，接下來讓我們通過幾個簡單的例子總結(jié)Python中可用的幾種短路機制,需要的朋友可以參考下2022-02-02
Python中一個for循環(huán)循環(huán)多個變量的示例
今天小編就為大家分享一篇Python中一個for循環(huán)循環(huán)多個變量的示例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07
selenium2.0中常用的python函數(shù)匯總
這篇文章主要介紹了selenium2.0中常用的python函數(shù),總結(jié)分析了selenium2.0中常用的python函數(shù)的功能、原理與基本用法,需要的朋友可以參考下2019-08-08
這篇文章主要為大家詳細介紹了python微信好友數(shù)據(jù)分析，實現(xiàn)對微信好友的獲取，并對省份、性別等數(shù)據(jù)分析，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-11-11
Python實現(xiàn)圖形用戶界面和游戲開發(fā)的方法和技巧
GUI圖形用戶界面編程,我們可以通過python提供的豐富的組件,快速的實現(xiàn)使用圖形的界面和用戶交互, GUI編程類似于“搭積?”,將?個個組件(Widget)放到窗?中,這篇文章主要給大家介紹了基于Python的GUI圖形用戶界面編程的相關(guān)資料,需要的朋友可以參考下2023-05-05
這篇文章主要介紹了Python 如何在函數(shù)上添加包裝器，文中講解非常細致，代碼幫助大家更好的理解和學習，感興趣的朋友可以了解下2020-07-07