主要学习requests这个http模块，该模块主要用于发送请求获取响应，该模块有很多的替代模块，比如说urllib模块，但是在工作中用的最多的还是requests模块，requests的代码简洁易懂，相对于臃肿的urllib模块，使用requests编写的爬虫代码将会更少，而且实现某一功能将会简单。因此建议大家掌握该模块的使用。

requests模块

我们来学习如何在代码中实现我们的爬虫

1. requests模块介绍

requests文档http://docs.python-requests.org/zh_CN/latest/index.html

** 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，需要在你的python(虚拟)环境中额外安装

pip/pip3 install requests

1.3 requests模块发送get请求

    需求：通过requests向百度首页发送请求，获取该页面的源码

    运行下面的代码，观察打印输出的结果

1.2.1-简单的代码实现

import requests

目标url

url = 'www.baidu.com'

向目标url发送get请求

response = requests.get(url)

打印响应内容

print(response.text)

知识点：掌握 requests模块发送get请求

2\. response响应对象
----------------

观察上边代码运行结果发现，有好多乱码；这是因为编解码使用的字符集不同早造成的；我们尝试使用下边的办法来解决中文乱码问题

# 1.2.2-response.content
import requests 

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

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

# 打印响应内容
# print(response.text)
print(response.content.decode()) # 注意这里！

1.response.text是requests模块按照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 （读音：阿斯克码）
*   iso-8859-1

**2.3 response响应对象的其它常用属性或方法**

> response = requests.get(url)中response是发送请求获取的响应对象；response响应对象中除了text、content获取响应内容以外还有其它常用的属性或方法：

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；返回cookieJar类型

response.cookies 响应的cookie（经过了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）

# 1.2.3-response其它常用属性
import requests

# 目标url
url = 'https://www.baidu.com'

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

# 打印响应内容
# print(response.text)
# print(response.content.decode()) 			# 注意这里！
print(response.url)							# 打印响应的url
print(response.status_code)					# 打印响应的状态码
print(response.request.headers)				# 打印响应对象的请求头
print(response.headers)						# 打印响应头
print(response.request._cookies)			# 打印请求携带的cookies
print(response.cookies)						# 打印响应中携带的cookies



```

3\. requests模块发送请求
------------------

**3.1 发送带header的请求**

```
我们先写一个获取百度首页的代码

import requests

url = 'www.baidu.com'

response = requests.get(url)

print(response.content.decode())

打印响应对应请求的请求头信息

print(response.request.headers)

**3.1.1 思考**

对比浏览器上百度首页的网页源码和代码中的百度首页的源码，有什么不同？

查看网页源码的方法：

    右键-查看网页源代码 或

    右键-检查

对比对应url的响应内容和代码中的百度首页的源码，有什么不同？

查看对应url的响应内容的方法：

    右键-检查

    点击 Net work

    勾选 Preserve log

    刷新页面

    查看Name一栏下和浏览器地址栏相同的url的Response

代码中的百度首页的源码非常少，为什么？

需要我们带上请求头信息

    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字段必不可少，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 完成代码实现**

从浏览器中复制User-Agent，构造headers字典；完成下面的代码后，运行代码查看结果

import requests

url = 'https://www.baidu.com'

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"}

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

print(response.content)

# 打印请求头信息
print(response.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 ?，那么该问号后边的就是请求参数，又叫做查询字符串

```

3.2.1 在url携带参数

直接对含有参数的url发起请求

```
import requests

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"}

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

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


```

**3.2.2 通过params携带参数字典**

1.构建请求参数字典

2.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

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"}

# 这是目标url
# url = 'https://www.baidu.com/s?wd=python'

# 最后有没有问号结果都一样
url = 'https://www.baidu.com/s?'

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

# 带上请求参数发起请求，获取响应
response = requests.get(url, headers=headers, params=kw)

print(response.content)


```

**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保持，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登陆为例：

```

**3.3.1 github登陆抓包分析**

```
打开浏览器，右键-检查，点击Net work，勾选Preserve log

访问github登陆的url地址 https://github.com/login

输入账号密码点击登陆后，访问一个需要登陆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

```

![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/7ea42232737e4616989dad69526f4aa5~tplv-k3u1fbpfcp-zoom-1.image)

**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 = 'github.com/USER_NAME'

构造请求头字典

headers = { # 从浏览器中复制过来的User-Agent 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36', # 从浏览器中复制过来的Cookie 'Cookie': 'xxx这里是复制过来的cookie字符串' }

请求头参数字典中携带cookie字符串

resp = requests.get(url, headers=headers)

print(resp.text)

**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，获取登陆后才能访问的页面

![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/59022d4951254bccb574a15328ecda12~tplv-k3u1fbpfcp-zoom-1.image)

知识点：掌握 headers中携带cookie

**3.4 cookies参数的使用**

上一小节我们在headers参数中携带cookie，也可以使用专门的cookies参数

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

cookies参数的使用方法

response = requests.get(url, cookies)

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('; ')}

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/USER_NAME'

# 构造请求头字典
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'
}
# 构造cookies字典
cookies_str = '从浏览器中copy过来的cookies字符串'

cookies_dict = {cookie.split('=')[0]:cookie.split('=')[-1] for cookie in cookies_str.split('; ')}

# 请求头参数字典中携带cookie字符串
resp = requests.get(url, headers=headers, cookies=cookies_dict)

print(resp.text)


```

知识点：掌握 cookies参数的使用

**3.5 cookieJar对象转换为cookies字典的方法**

```
使用requests获取的resposne对象，具有cookies属性。该属性值是一个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？

转换方法

cookies_dict = requests.utils.dict_from_cookiejar(response.cookies)

其中response.cookies返回的就是cookieJar类型的对象

requests.utils.dict_from_cookiejar函数返回cookies字典

作者：白又白i
链接：https://juejin.cn/post/6999135569322180621
来源：掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。