Python从0到POC编写--模块

2019-05-22 | 阅读：次

前言：

Python POC编写的第四篇，

模块。

Requests模块：

requests是一个 HTTP客户端库，编写爬虫和测试服务器响应数据时经常会用到。

它可以提取 url 中的信息。

requests库的七个主要方法：

方法	解释
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

1. requests.get()

这个我们最常见，也是用的最多的，

基本使用方法：

r = request.get(url,params,kwargs)  
#  这句代码是构造一个服务器请求request，返回一个包含服务器资源的response对象。

其中：

url: 需要爬取的网站地址。
params: 翻译过来就是参数， url中的额外参数，字典或者字节流格式，可选。
kwargs : 12个控制访问的参数

kwargs 有以下参数：

params：字典或字节序列，作为参数增加到url中，

使用这个参数可以把一些键值对以?key1=value1&key2=value2的模式增加到url中

例如：

>>> import requests  #  导入模块
>>> url = 'http://www.hello.com/index.php'  #  设置 url
>>> payload = {'key1': 'values', 'key2': 'values'}
>>> r = requests.get(url, params=payload) 
>>> print(r.url)
>>> # 输出 http://www.hello.com/index.php?key2=values&key1=values
>>> print(r.status_code)  # 输出 200 （状态码）

这里 r 是自定义的变量名，用来接收返回值 response

注： www.hello.com 是使用phpstudy搭建的虚拟网站

data：字典，字节序或文件对象，重点作为向服务器提交资源，作为request的内容，

与params不同的是，data提交的数据并不放在url链接里，

而是放在url链接对应位置的地方作为数据来存储。，它也可以接受一个字符串对象。

json： json格式的数据， json合适在相关的html，http相关的web开发中非常常见，也是http最经常使用的数据格式，

他是作为内容部分可以向服务器提交。

例如：

url = 'http://www.hello.com/index.php'
payload = {'key1': 'value1'} 
r = requests.post(url, json=payload)
print(r.json)
>>> # 输出  bound method Response.json of <Response [200]>

headers：字典是http的相关语，对应了向某个url访问时所发起的http的头字段，

可以用这个字段来定义http的访问头，可以模拟任何浏览器来对url发起访问。

例如：

url = 'http://www.hello.com/index.php'
header = {'user-agent': 'Chrome/10'} 
r = requests.get(url, headers=header)
print(r.headers)

cookies：字典或CookieJar，指的是从http中解析cookie

auth：元组，用来支持http认证功能

files：字典，是用来向服务器传输文件时使用的字段。

例如：

url = 'http://www.hello.com/index.php'
file = {'files': open('data.txt', 'rb')} 
r = requests.post(url, files=file)
print(r.text)

timeout: 用于设定超时时间，单位为秒，当发起一个get请求时可以设置一个timeout时间，

如果在timeout时间内请求内容没有返回，将产生一个timeout的异常。

proxies：字典，用来设置访问代理服务器。
allow_redirects: 开关，表示是否允许对url进行重定向，默认为True。
stream: 开关，指是否对获取内容进行立即下载，默认为True。
verify：开关，用于认证SSL证书，默认为True。
cert：用于设置保存本地SSL证书路径

response对象属性：

属性	说明
r.status_code	http请求的返回状态，若为200则表示请求成功。
r.text	http响应内容的字符串形式，即返回的页面内容
r.encoding	从http header 中猜测的相应内容编码方式
r.apparent_encoding	从内容中分析出的响应内容编码方式（备选编码方式）
r.content	http响应内容的二进制形式

2. requests.head()

head 获取html头部信息的方法。

例如：

import requests

url = "https://www.baidu.com"

r = requests.get(url)

print(r.headers)

images

3. requests.post()

发送post请求

POST 方法被用于请求源服务器接受请求中的实体作为请求资源的一个新的从属物

例如：

>>> payload = {"key1":"value1","key2":"value2"}
>>> r = requests.post("http://www.hello.com/index.php",data=payload)
>>> print(r.text)
{
  "args": {}, 
  "data": "", 
  "files": {}, 
  "form": {
    "key1": "value1", 
    "key2": "value2"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Connection": "close", 
    "Content-Length": "23", 
    "Content-Type": "application/x-www-form-urlencoded", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.18.4"
  }, 
  "json": null, 
  "origin": "192.168.1.2", 
  "url": "http://www.hello.com/index.php"
}

向 url post 一个字符串，自动编码为 data

>>>r=requests.post("http://www.hello.com/index.php",data='hello world')
>>>print(r.text)
{
  "args": {}, 
  "data": "hello world", 
  "files": {}, 
  "form": {}, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Connection": "close", 
    "Content-Length": "10", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.18.4"
  }, 
  "json": null, 
  "origin": "192.168.1.2", 
  "url": "http://www.hello.com/index.php"
}

4. requests.put()

PUT 方法请求服务器去把请求里的实体存储在请求URI（Request-URI）标识下。

例如：

>>> payload={"key1":"value1","key2":"value2"}
>>> r=requests.put("http://www.hello.com/index.php",data=payload)
>>> print(r.text)
{
  "args": {}, 
  "data": "", 
  "files": {}, 
  "form": {
    "key1": "value1", 
    "key2": "value2"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Connection": "close", 
    "Content-Length": "23", 
    "Content-Type": "application/x-www-form-urlencoded", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.18.4"
  }, 
  "json": null, 
  "origin": "192.168.1.2", 
  "url": "http://www.hello.com/index.php"

Requests模块例子

例：

判断状态码是不是 200

import requests

try:
  url = 'https://www.baidu.com'

  r = requests.get(url)

  if r.status_code == 200:
    print('hello')
except:
  print('error')

BeautifulSoup：

BeautifulSoup 是一个可以从 HTML 或 XML 文件中提取数据的 Python 库

它通常跟一些第三方解析器一起使用，如 lxml，XML，html5lib 等

例：

import requests
from bs4 import BeautifulSoup

url = 'https://www.baidu.com'

r = requests.get(url)

r.encoding = 'utf-8'   #  设置编码

soup = BeautifulSoup(r.text,'lxml')

print(soup.prettify())

r.text 是获取文本内容的意思，lxml 是解析器的意思，注意必须使用引号。

prettify() 是对内容进行格式化处理，看起来没哪里乱。

BeautifulSoup 通常配合 requests 一起使用。

其他一些方法：

find_all() 是一种方法选择器，顾名思义，就是查询所有符合条件的元素

例如：

print(soup.find_all(name='ul'))  # 查询所有 ui 节点

还有一些其他啊，

例如：

print(soup.head)  # 获取head标签

print(soup.p.b)  # 获取p节点下的b节点

soup.p['class']  # 获取p节点class属性

等等一些方法，功能很强大。

urllib：

urllib 是一种 http请求的 Python 库

基本语法：

urllib.request.urlopen(url, data=None, timeout)

参数：

url: 需要打开的网址
data: Post提交的数据
timeout: 设置网站的访问超时时间，单位为秒

常用模块：

urllib.request 请求模块
urllib.error 异常处理模块
urllib.parse url解析模块
urllib.robotparser robots.txt解析模块

常用方法：

print(response.read().decode(‘utf-8’)) # 返回网页内容
print(response.version) # 返回版本信息
print(response.status) # 返回状态码200，404代表网页未找到
print(response.closed) # 返回对象是否关闭布尔值
print(response.geturl()) # 返回检索的URL
print(response.info()) # 返回网页的头信息
print(response.getcode()) # 返回响应的HTTP状态码

例：判断一个网站的状态码

import urllib.request

url = 'https://www.baidu.com'

r = urllib.request.urlopen(url)

print(r.status)

好了，这个模块就先说这么多了。

http.client：

http.client 也是一种发送 http请求的 Python库

他跟 request 很像。

例如：

import http.client

conn = http.client.HTTPConnection("www.baidu.com")  # 请求地址

conn.request("GET","/index.php")  # 发送 GET请求，路径是 /index.php

res = conn.getresponse()  # 接收返回值

print(res.read().decode('utf-8'))  # 打印返回值

带中文参数的 GET请求：

import http.client
import urllib.parse

conn = http.client.HTTPConnection("www.baidu.com")

url = urllib.parse.quote("/index.php?name=张三&age=18",safe=':/?=&')

conn.request("GET",url)

res = conn.getresponse()

print(res.read().decode('utf-8'))

这里需要使用到 urllib模块，

quote 是 urllib 的一个子模块，

他的作用是对 url进行编码。

safe 是一个安全过滤器，默认会将斜杠转换成 %2F ，语法： safe='这里放不需要处理的字符'

这里如果使用 urllib 模块来打开 url ，如果存在中文会报错，

为了使他原原本本的输出，需要将一些符号排除在过滤之外。

POST 请求：

import http.client
import urllib.parse

conn = http.client.HTTPConnection("www.baidu.com")

data = urllib.parse.urlencode({"name":"张三","age":18}).encode("utf-8")  #  对url进行编码以及utf-8编码

conn.request("POST",'index.php',data)

res = conn.getresponse()

print(res.read().decode('utf-8'))

总结：

模块比较多，分三次来写吧！！

blubiu

blubiu

Python从0到POC编写--模块

前言：

目录：

Requests模块：

1. requests.get()

2. requests.head()

3. requests.post()

4. requests.put()

Requests模块例子

BeautifulSoup：

urllib：

http.client：

总结：