搜狗站长平台验证不了《网站基础建设-首保》
Requests 是一个用于发送 HTTP 请求的简单易用的 Python 库。它能够处理多种 HTTP 请求方法，如 GET、POST、PUT、DELETE 等，并简化了 HTTP 请求流程。对于想要进行网络爬虫或 API 调用的开发者来说，Requests 是一个非常有用的工具。在今天的博客中，我将介绍 Requests 的基本用法，并提供一个合理的爬虫实例。
一.安装 Requests
在使用 Requests 库之前，您需要安装它。可以通过 pip 命令来安装：
pip install requests在国内安装的速度很慢，所以我们可以修改为国内镜像源安装比如说清华大学镜像源：
pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple
你也可以选择其他镜像源，如阿里云、华为云等，替换 -i 参数后的 URL。
二.基本用法
Requests 提供了简单的接口来处理 HTTP 请求和响应。我们将从最基本的 GET 请求和 POST 请求开始。
1.GET 请求
GET 请求用于从服务器获取数据。可以通过 ' requests.get() ' 方法来实现。以下是一个简单的例子，通过get请求豆瓣影评：
import requests# 发送GET请求
response = requests.get('https://movie.douban.com/review/best/')print(response.status_code) # 输出状态码
print(response.text) # 输出响应内容当然由于豆瓣有简单的反爬虫设置，所以我们这样直接发送请求很容易就会被网站限制，不要轻易尝试。
2.POST 请求
POST 请求用于向服务器发送数据，通常用于提交表单或上传文件，可以通过 `requests.post()` 方法来实现。
import requestsdata = {'title': 'foo', 'body': 'bar', 'userId': 1}
response = requests.post('https://jsonplaceholder.typicode.com/posts', json=data)
print(response.status_code)
print(response.json()) # 输出响应的 JSON 数据
三.处理响应
Requests 库提供了多种方法来处理 HTTP 响应：
response.text：以字符串形式获取响应内容。
response.json()：以 JSON 格式解析响应内容。
response.content：以二进制形式获取响应内容。
response.status_code：获取 HTTP 状态码。
response.headers：获取响应头信息。
四.处理简单的反爬
添加请求头
通过设置请求头将requests库的请求伪装成浏览器请求：
import requestsheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)','Referer': 'https://www.example.com','Content-Type': 'application/json'
}
response = requests.get('https://api.example.com/data', headers=headers)
在许多情况下，自定义请求头是必需的。大多数网站至少都会有简单的爬虫检测，虽然这样只能应付最简单的反爬策略，但是也是最常用的伪装方法了。
五.爬虫实例
下面是一个简单的爬虫实例，使用 Requests 库从豆瓣网爬取影评的标题和简介：
import re
import requests# 定义要爬取的URL
url = 'https://movie.douban.com/review/best/'# 设置请求头部，以模拟浏览器访问
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) ""Chrome/127.0.0.0 Safari/537.36"
}# 发送HTTP GET请求以获取网页内容
response = requests.get(url, headers=headers)# 提取响应的HTML内容
con = response.text# 初始化存储数据的容器
title_datas = []
synopsis_datas = []# 使用正则表达式提取评论标题
titles = re.findall('<h2><a href="https://movie.douban.com/review/.*?">(.*?)</a></h2>', con)
for title in titles:title_datas.append(title) # 将标题添加到标题列表中# 使用正则表达式提取评论内容
datas = re.findall('''<div id=".*?" class=".*?" data-rid=".*?"><div class="short-content">.*?(.*?)\n \(<a href="javascript:;" id=".*?" class="unfold" title="展开">展开</a>\)</div></div>''', con, re.S)# 清理提取的评论内容
for data in datas:# 移除HTML标签clean_data = re.sub(r'<p .*?>.*?</p>', '', data)# 将多个空白字符替换为单个空格，并去除前后的空白clean_data = re.sub(r'\s+', ' ', clean_data).strip()synopsis_datas.append(clean_data) # 将清理后的评论内容添加到列表中# 将标题和评论内容配对存储到字典中
items = {}
for i in range(len(title_datas)):items[title_datas[i]] = synopsis_datas[i]# 打印结果
print(items)
导入库：
import re：用于处理正则表达式。
import requests：用于发送HTTP请求并获取网页内容。定义URL和请求头：
url：目标网页的地址。
headers：模拟浏览器请求的头部信息，防止被网站屏蔽。发送请求并获取网页内容：
requests.get(url, headers=headers)：发送GET请求获取网页数据。
response.text：获取响应的HTML文本内容。初始化数据存储容器：
title_datas：存储提取的评论标题。
synopsis_datas：存储提取的评论内容。提取评论标题：
re.findall：使用正则表达式提取标题。将标题添加到
title_datas列表中。提取评论内容：
re.findall：使用正则表达式提取评论内容。
re.sub：移除HTML标签并清理多余空白。配对标题和评论内容：
使用
for循环将标题和内容配对，并存储在items字典中。打印结果：
输出字典
items，显示标题和评论内容的配对结果。
当然这里的实例写的并不是很好，只能给大家提供一个参考，大家爬取数据还是要基于网页分析，编写代码。
六.结论
注意事项：
- 遵守 robots.txt：在爬取任何网站之前，检查其
robots.txt文件，确保你的爬虫行为符合网站的爬虫协议。- 频率控制：不要过于频繁地访问目标网站，以免对服务器造成负担。可以通过
time.sleep()控制请求频率。- 异常处理：在编写爬虫时，考虑到网络请求可能会失败，建议添加异常处理机制来保证程序的健壮性。
Requests 是一个功能强大且易于使用的库，适用于各种 HTTP 请求操作。通过灵活设置请求头和使用不同的请求方法，我们可以轻松实现复杂的网络请求任务。使用 Requests 库进行网络请求和数据抓取是一个强大且简单的方式。掌握其基础用法后，可以更高效地进行 API 调用和网页数据抓取。