python爬虫系列网络请求案例详解

学习了之前的基础和爬虫基础之后，我们要开始学习网络请求了。

先来看看urllib

urllib的介绍

urllib是Python自带的标准库中用于网络请求的库，无需安装，直接引用即可。
主要用来做爬虫开发，API数据获取和测试中使用。

urllib库的四大模块：

• urllib.request: 用于打开和读取url
• urllib.error : 包含提出的例外，urllib.request
• urllib.parse:用于解析url
• urllib.robotparser：用于解析robots.txt

案例

# 作者：互联网老辛
# 开发时间：2021/4/5/0005 8:23
import urllib.parse
kw={'wd':"互联网老辛"}
result=urllib.parse.urlencode(kw)
print(result)
#解码
res=urllib.parse.unquote(result)
print(res)

浏览器中会把互联网老辛，改成非中文的形式

我在浏览器中搜互联网老辛，然后把浏览中的复制下来：

https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd=%E4%BA%92%E8%81%94%E7%BD%91%E8%80%81%E8%BE%9B&fenlei=256&oq=%25E7%25BE%258E%25E5%259B%25A2&rsv_pq=aa5b8079001eec3e&rsv_t=9ed1VMqcHzdaH7l2O1E8kMBcAS8OfSAGWHaXNgUYsfoVtGNbNVzHRatL1TU&rqlang=cn&rsv_enter=1&rsv_dl=tb&rsv_btype=t&inputT=3542&rsv_sug2=0&rsv_sug4=3542

仔细看下，加粗的部分是不是就是我们在代码中输出的wd的结果

发送请求

• urllib.request 库

模拟浏览器发起一个http请求，并获取请求的响应结果

• urllib.request.urlopen 的语法格式：

urlopen(url,data=None,[timeout]*,cafile=None,capath=None,cadefault=False,context=None

参数说明：

url： str类型的地址，也就是要访问的URL，例如https://www/baidu.com
data: 默认值为None
urlopen: 函数返回的是一个http.client.HTTPResponse对象

代码案例

get请求

# 作者：互联网老辛
# 开发时间：2021/4/5/0005 8:23
import urllib.request
url="http://www.geekyunwei.com/"
resp=urllib.request.urlopen(url)
html=resp.read().decode('utf-8')  #将bytes转成utf-8类型
print(html)

为什么要改成utf-8而不是gbk, 这里要看网页的检查网页源代码里是什么：

发送请求-Request请求

我们去爬取豆瓣

# 作者：互联网老辛
# 开发时间：2021/4/5/0005 8:23
import urllib.request

url="https://movie.douban.com/"

resp=urllib.request.urlopen(url)
print(resp)

豆瓣有反爬虫策略，会直接报418错误

对于这种我们需要伪装请求头：

我们找到网页中的user-Agent:

User-Agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400

# 作者：互联网老辛
# 开发时间：2021/4/5/0005 8:23
import urllib.request

url="https://movie.douban.com/"
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}

#构建请求对象
req=urllib.request.Request(url,headers=headers)
#使用urlopen打开请求
resp=urllib.request.urlopen(req)
#从响应结果中读取数据
html=resp.read().decode('utf-8')
print(html)

这样我们就用Python成功的伪装成浏览器获取到了数据

IP代理

opener的使用，构建自己的opener发送请求

# 作者：互联网老辛
# 开发时间：2021/4/5/0005 8:23
import urllib.request
url="https://www.baidu.com/"
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
#构建请求对象

req=urllib.request.Request(url,headers=headers)

opener=urllib.request.build_opener()
resp=opener.open(req)
print(resp.read().decode())

如果你不停的发送请求，他有可能给你禁止IP， 所以我们每隔一段时间就换一个IP代理。

IP代理分类：

• 透明代理： 目标网站知道你使用了代理并且知道你的源IP地址，这种代理肯定不符合我们的初衷
• 匿名代理： 网站知道你使用了代理，但不知道你的源ip
• 高匿代理： 这是最保险的方式，目录网站不知道你使用了代理

ip代理的方式：

免费的： https://www.xicidaili.com/nn/

收费的： 大象代理，快代理,芝麻代理

# 作者：互联网老辛
# 开发时间：2021/4/5/0005 8:23
from urllib.request import build_opener
from urllib.request import ProxyHandler
proxy=ProxyHandler({'https':'222.184.90.241:4278'})

opener=build_opener(proxy)

url='https://www.baidu.com/'
resp=opener.open(url)
print(resp.read().decode('utf-8'))

百度其实能够做到反爬，即使是高匿代理也做不到百分百的绕过。

使用cookie

为什么使用cookie？

使用cookie主要是为了解决http的无状态性。

使用步骤：

• 实例化MozillaCookiejar（保存cookie）
• 创建handler对象（cookie的处理器）
• 创建opener对象
• 打开网页（发送请求获取响应）
• 保存cookie文件

案例： 获取百度贴的cookie存储下来

import urllib.request
from http import cookiejar
filename='cookie.txt'
def get_cookie():
    cookie=cookiejar.MozillaCookieJar(filename)
    #创建handler对象

    handler=urllib.request.HTTPCookieProcessor(cookie)
    opener=urllib.request.build_opener((handler))
    #请求网址
    url='https://tieba.baidu.com/f?kw=python3&fr=index'

    resp=opener.open(url)
    # 保存cookie
    cookie.save()
#读取数据
def use_cookie():
    #实例化MozillaCookieJar
    cookie=cookiejar.MozillaCookieJar()
    #加载cookie文件
    cookie.load(filename)
    print(cookie)
if __name__=='__main--':
    use_cookie()
    #get_cookie()

异常处理

我们爬取一个访问不了的网站来捕获异常

# 作者：互联网老辛
# 开发时间：2021/4/6/0006 7:38

import urllib.request
import urllib.error
url='https://www.google.com'
try:
    resp=urllib.request.urlopen(url)
except urllib.error.URLError as e:
    print(e.reason)

可以看到捕获到了异常

网络请求我们已经学完了，后面我们将学习几个常用的库，之后就可以进行数据的爬取了。

到此这篇关于python爬虫系列网络请求案例详解的文章就介绍到这了,更多相关python爬虫网络请求内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！