Python requests爬虫

Python的requests库是一个强大且易于使用的HTTP库，用于发送HTTP请求和处理响应。它是Python中最受欢迎的网络爬虫框架之一，被广泛用于从网页中提取数据、爬取网站和进行API调用。

使用requests库，你可以轻松地发送各种HTTP请求，包括GET、POST、PUT、DELETE等。你可以创建一个HTTP请求对象，设置请求头、请求体和其他参数，然后发送请求并获取响应。requests库提供了许多方便的方法来处理响应，包括获取响应内容、解析JSON、解析HTML等。

如果本地 Python 环境没有安装 requests，可以在命令提示符窗口输入命令

pip install requests

安装 requests 模块

我们可以随便打开一个网页，F12->“Ctrl+R”刷新，双击名称中的项

可以看到User-Agent和Cookie

以下是一些常用的requests库功能和用法：

1. 发送GET请求：

   response = requests.get(url)
   

2. 发送POST请求：

   response = requests.post(url, data=payload)
   

3. 设置请求头：

   headers = {'User-Agent': 'Mozilla/5.0'}
   response = requests.get(url, headers=headers)
   

4. 传递URL参数：

   params = {'key1': 'value1', 'key2': 'value2'}
   response = requests.get(url, params=params)
   

5. 发送文件：

   files = {'file': open('file.txt', 'rb')}
   response = requests.post(url, files=files)
   

6. 获取响应内容：

   print(response.text)
   

7. 解析JSON响应：

   json_data = response.json()
   

8. 解析HTML响应：

   from bs4 import BeautifulSoup
   soup = BeautifulSoup(response.text, 'html.parser')
   

9. 处理异常：

   try:
       response = requests.get(url)
       response.raise_for_status()
   except requests.HTTPError as e:
       print('HTTPError:', e)
   except requests.ConnectionError as e:
       print('ConnectionError:', e)
   except requests.Timeout as e:
       print('Timeout:', e)
   except requests.RequestException as e:
       print('RequestException:', e)
   

以上只是requests库的一小部分功能，它还提供了许多其他高级功能和选项，例如会话管理、认证、代理设置等，可以帮助你轻松地进行网络爬虫和API调用。

完整的请求函数例程：

import requests


def get_html(url):
    '''
    两个参数
    :param url:统一资源定位符,请求网址
    :param headers:请求头
    :return html 网页的源码
    :return sess 创建的会话
    '''
    
     # 请求头
    headers={'User-Agent': '复制了放这里'}
    # 创建Session, 并使用Session的get请求网页
    sess = requests.Session()
    response = sess.get(url=url,headers = headers)
    # 获取网页信息文本
    html = response.text

    return html, sess