通過urlopen來進行獲取

requset.urlopen(url,data,timeout)

第一個參數(shù)url即為URL，第二個參數(shù)data是訪問URL時要傳送的數(shù)據(jù)，第三個timeout是設置超時時間。
第二三個參數(shù)是可以不傳送的，data默認為空None，timeout默認為 socket._GLOBAL_DEFAULT_TIMEOUT
第一個參數(shù)URL是必須要加入的，執(zhí)行urlopen方法之后，返回一個response對象，返回信息便保存在這里面

from urllib.request import urlopen

url = "https://www.baidu.com/"
respons = urlopen(url)#最簡單的爬取情況這樣爬取大部分網(wǎng)頁無法爬取成功

response對象：

response.read()
read()方法就是讀取文件里的全部內(nèi)容，返回bytes類型

print(type(respons.read()))#結果為bytes類型所以需要進行轉碼
print(type(respons.read().decode()))#通過decode轉碼結果為str

response.getcode()
返回 HTTP的響應碼，成功返回200，4服務器頁面出錯，5服務器問題

response.geturl()
返回 返回實際數(shù)據(jù)的實際URL，防止重定向問題

response.info()
返回 服務器響應的HTTP報頭

Request對象

Request對象，由于urlopen參數(shù)可以傳入一個request請求（可以理解成為再加一步封裝的功能）因為在構建請求時還需要加入好多內(nèi)容，通過構建一個request，服務器響應請求得到應答，這樣顯得邏輯上清晰明確

from urllib.request import urlopen,Request
from fake_useragent import UserAgent#這個包可以隨機生成User-Agent

url = "https://www.baidu.com/"
headers = {"User-Agent":UserAgent().firefox}#生成火狐的
request = Request(url,headers=headers)
response = urlopen(request)

a=response.read().decode()

Get請求

瀏覽器通過GET方法發(fā)出請求
爬蟲主要通過get再url中加入請求的參數(shù)，由于中文的需要轉碼通過
Urllib.parse.urlencode() 針對多個參數(shù)進行轉碼操作輸入格式為字典類型
Urllib.parse.quote() 針對單個字符串進行轉碼操作
Str格式.format( ) 用于拼接字符串

post請求

一般在需要登錄的地方用的比較多
需要在request請求中加如一個data用來傳入?yún)?shù)
參數(shù)的形式要以字典格式通過urllib.parse.urlencode()進行轉換成字符串形式
再通過encode()函數(shù)對字符串進行轉碼（默認值就可以）

發(fā)送請求/響應header頭的含義

Ajax請求
用于提取動態(tài)的頁面 網(wǎng)頁數(shù)據(jù)根據(jù)拖動進行顯示
通過瀏覽器工具箱，查找包的信息，找到url的規(guī)律進行爬取
如果無法知道要循環(huán)多少次則規(guī)定一個死循環(huán)，爬取頁面為空時停止循環(huán)
也可以通過改變url一次性輸出更多的網(wǎng)頁信息（只要服務器允許）

https請求
因為在有些瀏覽器中存在很多證書所以在大部分網(wǎng)頁爬取的時候不用改變證書或者添加證書但有些自己寫證書的網(wǎng)站需要進行這一步操作
https請求=在http上加ssl，http請求是明文直接可以看見，為了安全要加上ssl
可以選擇忽略證書進行爬取 context = ssl._create_unverified_context()

到此這篇關于python爬蟲請求頭的使用的文章就介紹到這了,更多相關python爬蟲請求頭內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！