前言
上篇我们了解了爬虫的基本知识，这次我们来学习下，如何用 Python 模拟浏览器访问网站和登录。
正文
Python 如此方便，正是因为它提供了很多实现好各种功能的库，它内置了许多非常有用的模块，无需额外安装和配置，即可直接使用。
同时也有很多第三方模块，我们只需要用好各种工具库和模块，就能实现很多方便的操作，用程序来代替繁琐的功能。
这次我们来学习 urllib 和 requests 模块，实现模拟请求。
urllib 介绍
Python 内置的 HTTP 请求库，安装好 Python 就能用，它是最基本的请求库，用于访问网络资源，程序发起请求，获取响应数据，使用该库实现。
主要有 4 个模块
>urllib.request 请求模块
urllib.error 异常处理模块,捕获请求和响应中出现的错误
urllib.parse url 解析模块,提供 url 处理方法，拆分合并
urllib.robotparser robots.txt 解析模块
使用
get 请求
get 请求一般是我们在浏览器地址直接输入一个地址，就能能访问到网页。
urllib 的 request 模块可以非常方便地抓取 URL 内容，也就是发送一个 GET 请求到指定的页面，然后返回 HTTP 的响应：
# 导入urllib.request 库import urllib.request
# 向指定的url发送请求，并返回服务器响应的类文件对象response = urllib.request.urlopen("http://www.baidu.com")
# 类文件对象支持文件对象的操作方法，如read()方法读取文件全部内容，返回字符串html = response.read()
# 打印字符串print (html)
复制代码
我们可以浏览器上打开百度， 右键选择“查看源代码”，你会发现，跟我们刚才打印出来的是一模一样，经过浏览器渲染，就是好看的百度页面。
也就是说，上面的代码就已经帮我们把百度的首页的全部代码爬了下来。
post 请求
一般我们想要向某一个地方发送数据，就需要用到 post 请求。
像我们登陆网站，下订单等，都是用 post 实现。
# POST请求的目标URLurl = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null"
headers={"User-Agent": "Mozilla"}
formdata = { "type":"AUTO", "i":"i love python", "doctype":"json", "xmlVersion":"1.8", "keyfrom":"fanyi.web", "ue":"UTF-8", "action":"FY_BY_ENTER", "typoResult":"true"}
data = urllib.parse.urlencode(formdata)
request = urllib.request.Request(url, data = data, headers = headers)response = urllib.request.urlopen(request)print (response.read())
复制代码
发送 POST 请求时，需要特别注意 headers 的一些属性，这个 headers 的作用就是让请求模拟浏览器发送。
headers 属性有：
>Content-Length: 144： 是指发送的表单数据长度为 144，也就是字符个数是 144 个。
Content-Type: application/x-www-form-urlencoded ： 表示浏览器提交 Web 表单时使用，表单数据会按照 name1=value1&name2=value2 键值对形式进行编码。
X-Requested-With: XMLHttpRequest ：表示 Ajax 异步请求。
requests
相对于 urllib，第三方库 requests 增加很多实用的高级功能，处理 URL 资源特别方便。
它包含了 urllib 全部的功能，可以节约大部分的工作。
一句话概括：Python 实现的简单易用的 HTTP 库
windows 安装：
pip install requests
pip list -- 可查看已安装的库
复制代码
验证安装是否成功：
win 键+x 选择 命令提示符。输入以下命令：
Pythonimport requests//没报错就成功安装了
复制代码
GET 请求
import requests
kw = {'wd':'英雄联盟'}
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"}
# params 接收一个字典或者字符串的查询参数，字典类型自动转换为url编码，不需要urlencode()response = requests.get("http://www.baidu.com/s?", params = kw, headers = headers)
# 查看响应内容，response.text 返回的是Unicode格式的数据print (response.text)
# 查看响应内容，response.content返回的字节流数据print (responese.content)
# 查看完整url地址print (response.url)
# 查看响应头部字符编码print (response.encoding)
# 查看响应码print (response.status_code)
复制代码
使用 response.text 时，Requests 会基于 HTTP 响应的文本编码自动解码响应内容，大多数 Unicode 字符集都能被无缝地解码。
使用 response.content 时，返回的是服务器响应数据的原始二进制字节流，可以用来保存图片等二进制文件。
POST 请求
要发送 POST 请求，只需要把 get()方法变成 post()，然后传入 data 参数作为 POST 请求的数据
import requests
formdata = { "type":"AUTO", "i":"i love python", "doctype":"json", "xmlVersion":"1.8", "keyfrom":"fanyi.web", "ue":"UTF-8", "action":"FY_BY_ENTER", "typoResult":"true"}
url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null"
headers={ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36"}
response = requests.post(url, data = formdata, headers = headers)
print (response.text)# 如果是json文件可以直接显示print (response.json())`
复制代码
Cookies 和 Sission
如果一个响应中包含了 cookie，那么我们可以利用 cookies 参数拿到：
import requests
response = requests.get("http://www.baidu.com/")
# 返回CookieJar对象:cookiejar = response.cookies
# 将CookieJar转为字典：cookiedict = requests.utils.dict_from_cookiejar(cookiejar)
print (cookiejar)
print (cookiedict)
复制代码
运行结果：
>>> print (cookiejar)<RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>>>>>>> print (cookiedict){'BDORZ': '27315'}
复制代码
在 requests 里，session 对象是一个非常常用的对象，这个对象代表一次用户会话：从客户端浏览器连接服务器开始，到客户端浏览器与服务器断开。
抢茅台脚本，一直保持登陆状态的实现：
def _validate_cookies(self): """ 验证cookies是否有效（是否登陆） 通过访问用户订单列表页进行判断：若未登录，将会重定向到登陆页面。 :return: cookies是否有效 True/False """ url = 'https://order.jd.com/center/list.action' payload = { 'rid': str(int(time.time() * 1000)), } try: resp = self.session.get(url=url, params=payload, allow_redirects=False) if resp.status_code == requests.codes.OK: return True except Exception as e: logger.error("验证cookies是否有效发生异常", e) return False
复制代码
后面的请求，都是使用 requests.session 对象去发起，这样能保证每次请求都是在登陆状态下的。
另外，附上 requests 的其他常用的方法：
>requests.request() 构造一个请求，支持以下各种方法
requests.get() 获取 html 的主要方法
requests.head() 获取 html 头部信息的主要方法
requests.post() 向 html 网页提交 post 请求的方法
requests.put() 向 html 网页提交 put 请求的方法
requests.patch() 向 html 提交局部修改的请求
requests.delete() 向 html 提交删除请求
最后
学习 urllib 和 requests 使用，是我们学习爬虫最关键的一步。
对我们来说，能学会爬虫，相当于也熟悉了 python，可以自己写一写自动化的程序，减少很多重复的劳动，提高我们的工作效率，有更多时间做自己想做的事情。
关注博主公众号 “phper 进阶笔记”，获取学习资料，一起学习 Python。
希望大家点赞、评论、收藏
评论