本文試用環境：python3
比urllib更強大的python爬蟲請求庫requests，Cookies、登錄驗證、代理設置等操作都有很好的解決
安裝：
pip install requests 
引入：
import requests

一、基本使用

1.1、一句話的請求

#!/usr/bin/python
# -*- coding: UTF-8 -*-
# pip install requests #安裝
import requests  #導入
r=requests.get("https://me.csdn.net/column/weixin_41685388")
#r.encoding ="utf-8" #當出現中文亂碼問題時使用
print(type(r)) #類型：<class 'requests.models.Response'>
print(r. status_code)#狀態：200 或者404、500...等
print(type(r.text)) #響應體的類型：<class 'str'>
print(r.cookies) #cookies：<RequestsCookieJar[<Cookie(.*)/>]>
print(r.text) #頁面內容
#使用get（）方法成功實現一個GET請求，這倒不算什麼，
# 更方便之處在於其他的請求類型依然可以用一句話來完成，示例如下：
r1=requests.post('http://httpbin.org/post')
r2=requests.put('http://httpbin.org/put')
r3=requests.delete('http://httpbin.org/delete')
r4=requests.head('http://httpbin.org/get')
r5=requests.options("http://httpbin.org/get")

1.2、get請求的params 參數

import requests
r=requests.get('http://httpbin.org/get?name=germey&age=22')
#<==>等價於
data={'name':'germey','age':22}
r1=requests. get("http://httpbin.org/get", params=data)
print(r1.text)

1.3、post請求的data參數

response=requests.post(url,data=data,headers= Headers,timeout=30) #data爲字典類型

def youdao(input):
    import requests
    from requests.exceptions import ConnectTimeout
    import time
    import random
    url=r"http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule"
    Headers = { }
    Headers["Cookie"]=r'OUTFOX_SEARCH_USER_ID_NCOO=1564612197.2237918; OUTFOX_SEARCH_USER_ID="[email protected]"; _ga=GA1.2.269278628.1571982437; _ntes_nnid=db62add68d78e9de1c202b8b131b32a4,1579175684866; JSESSIONID=aaaGcKLB2j8UhdX6Q3V_w; SESSION_FROM_COOKIE=unknown; ___rl__test__cookies=1579203741289'
    Headers["User-Agent"]=r"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.112 Safari/537.36"
    data = { } #post請求需要的data參數，在網頁檢查的Form Data中，
    #data["i"]="I am jalen" #認真一點你會發現這就是我們輸入的值，自己做一個簡單的有道翻譯只需要修改這裏就可以實現
    data["i"] = input  #那就按照習慣在函數外單獨輸入經常變化的值
    data["from"]="AUTO"
    data["to"]="AUTO"
    data["smartresult"]="dict"
    data["client"]="fanyideskweb"
    data["salt"]="15792037412906"
    data["sign"]="324404ee89ccb63c2ea1efb7d311db26"
    data["ts"]="1579203741290"
    data["bv"]="74b3450c611e373bdb05dc0a4ecdedd0"
    data["doctype"]="json"
    data["version"]="2.1"
    data["keyfrom"]="fanyi.web"
    data["action"]="FY_BY_CLICKBUTTION"
    rand = random.randint(2, 5)
    time.sleep(rand) #延時提交
    #請求時data直接用字典格式
    try:
        response=requests.post(url,data=data,headers= Headers,timeout=30)
        #print(response.text)
        html = response.json()
        #print(html)
        tgt = html['translateResult'][0][0][ 'tgt']
        print(tgt)
    except (ConnectTimeout) as e:
        print("ConnectTimeout")
        return
if __name__ == '__main__':
    input='I am jalen'
    youdao(input)

1.4、抓取網頁通常加入headers、timeout、time.sleep信息

headers：url網頁-->右擊-->檢查（N）-->Network-->F5-->(找到包含所需內容的Name)-->Headers-->Response Headers，常用"Cookie"和"User-Agent"
timeout：請求響應超時時間限定，超出設定時間報錯：requests.exceptions.ConnectTimeout
time.sleep：設置延時提交的時間，在實際爬蟲過程中和隨機數聯合使用

import requests
import random
import time
import json
r=requests.get('http://httpbin.org/get?name=germey&age=22')
#<==>等價於
data={'name':'germey','age':22}
Headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.112 Safari/537.36'}
rand = random.randint(2, 5)
time.sleep(rand) #延時提交
r1=requests.get("http://httpbin.org/get", params=data,headers= Headers,timeout = 30)
print(type(r1.text))
#print(r1.text)
r1 = r1.json() #str-->json-->dict
print(type(r1)) #查看類型：dict
print(r1) #輸出json格式的結果
'''
<class 'str'>
<class 'dict'>
{'args': {'age': '22', 'name': 'germey'}, 'headers': {'Accept': '*/*', 'Accept-Encoding': 'gzip, deflate', 'Host': 'httpbin.org', 'User-Agent': 'python-requests/2.22.0'}, 'origin': '27.47.130.215, 27.47.130.215', 'url': 'https://httpbin.org/get?name=germey&age=22'}

'''

1.5、JSON格式的解析

網頁的返回類型實際上是str類型，但是需要JSON格式進行解析的。可以直接調用json()方法，就可以將返回結果是JSON格式的字符串轉化爲字典。【案例如：1.3、】。

1.6、抓取二進制數據的解析

案例：https://img-blog.csdnimg.cn/20191224145404163.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224

import requests
r=requests.get("https://img-blog.csdnimg.cn/20191224145404163.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224")
print(r.text) #結果：���� JFIF �� C
print(r.content) #結果：b'\xff\xd8\xff\xe0\x00\...代表是bytes類型的數據
with open('python.ico','wb') as f: #將圖片以2進制的格式存在python.ico中，可以.png等其他格式
    f. write(r.content)

1.7、響應

發送請求後，得到的就是響應。在上面的實例中，我們使用text和content獲取了響應的內容。此外，還有很多屬性和方法可以用來獲取其他信息，比如狀態碼、響應頭、Cookies等。示例如下：

import requests
r=requests.get("https://blog.csdn.net/weixin_41685388/category_9426224.html")
print(type(r.status_code),r.status_code)  # 狀態：200 或404、500等
print(type(r.headers),r.headers) # headers信息
print(type(r.cookies),r.cookies) # Cookie信息
print(type(r.history),r.history) # 請求歷史記錄
print(type(r.text),r.text) # 響應的內容 文本str格式
#print(type(r.json()),r.json()) # 響應的內容 json-->dict
#print(type(r.content),r.content) # 響應的內容 二進制文件

二、requests庫高級應用

2.1、Cookies處理

（1）獲取Cookies。

import requests 
r=requests. get("https://www.baidu.com/")
print(type(r.cookies),r.cookies) #獲取cookies
for key, value in r.cookies.items(): 
    print(key+'='+value)

（2）使用Cookies。

Cookies在headers中應用，用於維持登陸狀態，在實際爬取網頁的過程中，可以在瀏覽器中找到。谷歌瀏覽器爲例：url網頁-->右擊-->檢查（N）-->Network-->F5-->(找到包含所需內容的Name)-->Headers-->Response Headers，常用"Cookie"和"User-Agent"。

2.2、會話維持，保持登陸狀態。Session對象。

利用它，我們可以方便地維護一個會話，而且不用擔心cookies的問題，它會幫我們自動處理好。你使用session成功的登錄了某個網站，則在再次使用該session對象求求該網站的其他網頁都會默認使用該session之前使用的cookie等參數。requests庫的session對象還能爲我們提供請求方法的缺省數據，通過設置session對象的屬性來實現。

尤其是在保持登陸狀態時運用的最多，在某些網站抓取，或者app抓取時，有的時強制登陸，有的是不登陸返回的數據就是假的或者說是不完整的數據，那我們不可能去做到每一次請求都要去登陸一下怎麼辦，就需要用到保持會話的功能了，我們可以只登陸一次，然後保持這種狀態去做其他的或者更多的請求。

import requests
import time
# session()中方法和requests()中一樣
# session.get()  session.post()
session = requests.session()
# 使用session發送post請求獲取cookie保存到本地session中。
# 以人人網登錄爲例。
post_url = "http://www.renren.com/PLogin.do"
headers = {"User-Agent": "Mozilla/5.0"}
session = requests.session()
post_data = {"email": "username", "password": "password"}
session.post(post_url, headers=headers, data=post_data)
# 使用session請求登錄後的頁面
# 得到登錄後的網頁內容
url = "http://www.renren.com/xxxxx/profile"
response = session.get(url, headers=headers)

2.3、代理設置

import requests
proxies = {
    'http': 'http://192.168.2.47:80',
    'https': 'https://157.245.54.87:8080'
} #臨時代理ip會過期
r = requests.get("https://www.taobao.com",proxies=proxies)
print(r.text)

2.4、身份認證

import requests 
from requests.auth import HTTPBasicAuth 
r=requests.get("http://localhost:5000",auth=HTTPBasicAuth("username","password"))
print(r. status_code)
#或
import requests 
r=requests.get("http://localhost:5000",auth=("username","password"))
print(r. status_code)

2.5、Prepared Request

這裏我們引入了Request，然後用url、data和headers參數構造了一個Request對象，這時需要再調用Session的prepare_request（）方法將其轉換爲一個Prepared Request對象，然後調用send（）方法發送即可，如下：

2.6、其他：SSL 證書驗證、文件上傳、OAuth 認證等

不再贅述

三、異常處理

在調試過程中根據實際情況處理，一般情況都是exceptions.xxxx異常，處理語法：

from requests import exceptions
try:
    "無異常執行代碼"
except exceptions.xxxx as e:
    "異常執行代碼"

def timeout_request(url):
    import json
    import requests
    from requests import exceptions
    try:
        response = requests.get(url,timeout=0.000000005)
        response.raise_for_status()
    except exceptions.ConnectTimeout as e:
        print(e)
    except (exceptions.HTTPError,exceptions.MissingSchema) as e:
        print(e)
        
urls= ["https://blog.csdn.net/weixin_41685388/category_9426224.html","www.baidu.com/"]
for url in urls:
    timeout_request(url)

python3爬蟲（2）--requests庫的基本方法、高級方法、異常處理