电子招标投标平台网站建设wordpress获取动态页面

       每天上午9点左右更新一到两篇文章到专栏《Python爬虫训练营》中，对于爬虫有兴趣的伙伴可以订阅专栏一起学习，完全免费。

       键盘为桨，代码作帆。这趟为期30天左右的Python爬虫特训即将启航，每日解锁新海域：从Requests库的浪花到Scrapy框架的深流，从反爬迷雾中的破局到数据清洗的澄澈。我们拆解网页结构如同解读星图，让XPath与正则表达式化作导航罗盘。每个深夜的代码调试，终将凝结成破晓时的数据宝藏。训练营不设码头，结营之日，正是你独自远征星辰大海的起点。

文章目录

一. 介绍

二. 安装

三. 基本请求

1.get请求

2.post请求

3.自定义请求头部

4.设置超时时间

5.代理访问

6.session自动保存cookies

7.ssl验证

四、获取响应信息

一. 介绍

对了解一些爬虫的基本理念，掌握爬虫爬取的流程有所帮助。入门之后，就需要学习一些更加高级的内容和工具来方便我们的爬取。这一节来简单介绍一下 requests 库的基本用法。

二. 安装

利用 pip 安装

pip install requests

三. 基本请求

req = requests.get("http://www.baidu.com")
req = requests.post("http://www.baidu.com")
req = requests.put("http://www.baidu.com")
req = requests.delete("http://www.baidu.com")
req = requests.head("http://www.baidu.com")
req = requests.options("http://www.baidu.com")

1.get请求

参数是字典，我们也可以传递json类型的参数：

import requests
​
url = "http://www.baidu.com/s"
params = {'wd': '爱学习'}
response = requests.get(url, params=params)
print(response.url)
response.encoding = 'utf-8'
html = response.text
print(html)

2.post请求

参数是字典，我们也可以传递json类型的参数：

url = "http://www.sxt.cn/index/login/login.html"
formdata = {"user": "17703181473","password": "123456"
}
response = requests.post(url, data=formdata)
response.encoding = 'utf-8'
html = response.text
print(html)

3.自定义请求头部

伪装请求头部是采集时经常用的，我们可以用这个方法来隐藏：

import requests
headers = {'User-Agent': 'python'}
r = requests.get('http://www.zhihu.com', headers = headers)
print(r.request.headers['User-Agent'])

4.设置超时时间

可以通过timeout属性设置超时时间，一旦超过这个时间还没获得响应内容，就会提示错误

requests.get('http://github.com', timeout=0.001)

5.代理访问

采集时为避免被封IP，经常会使用代理。requests也有相应的proxies属性

import requests
​
proxies = {"http": "http://10.10.1.10:3128","https": "https://10.10.1.10:1080",
}
​
requests.get("http://www.zhidaow.com", proxies=proxies)

如果代理需要账户和密码，则需这样：

proxies = {"http": "http://user:pass@10.10.1.10:3128/",
}

6.session自动保存cookies

seesion的意思是保持一个会话，比如 登陆后继续操作(记录身份信息) 而requests是单次请求的请求，身份信息不会被记录。

# 创建一个session对象 
s = requests.Session() 
# 用session对象发出get请求，设置cookies 
s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')

7.ssl验证

# 禁用安全请求警告
requests.packages.urllib3.disable_warnings()
​
resp = requests.get(url, verify=False, headers=headers)

四、获取响应信息

代码	含义
resp.json()	获取响应内容（以json字符串）
resp.text	获取响应内容 (以字符串)
resp.content	获取响应内容（以字节的方式）
resp.headers	获取响应头内容
resp.url	获取访问地址
resp.encoding	获取网页编码
resp.request.headers	请求头内容
resp.cookie	获取cookie