requests高级用法、代理池搭建

requests高级用法

1.自动携带cookie的session对象

# session对象----》已经模拟登录上了一些网站---》单独把cookie 取出来
import requests

header = {
    'Referer': 'http://www.aa7a.cn/user.php?&ref=http%3A%2F%2Fwww.aa7a.cn%2F',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36',
}
data = {
    'username': '用户名',
    'password': '密码',
    'captcha': 1111,
    'remember': 1,
    'ref': 'http://www.aa7a.cn/',
    'act': 'act_login',
}
# 使用session发送请求
session = requests.session()
res = session.post('http://www.aa7a.cn/user.php',data=data,headers=header)
cookie = res.cookies.get_dict()  # 转成字典
print(type(cookie))
res1 = session.get('http://www.aa7a.cn/') # 不需要携带cookie了
print('用户名' in res1.text)

2.响应response

# http的响应，就是res对象，所有http响应的东西，都在这个对象中
response = requests.get('http://www.aa7a.cn/')
# print(type(response))  # requests.models.Response
from requests.models import Response
print(response.text)   # 响应体转成字符串，默认使用utf-8编码----》以后打印出来可能会乱码
print(response.content) #响应体的bytes格式
print(response.status_code)#响应状态码
print(response.headers)  # 响应头
print(response.cookies)  # cookie
print(response.cookies.get_dict()) # cookie 转成字典
print(response.cookies.items()) #键值对的形式
print(response.url)    # 请求地址
print(response.history)  # 访问一个地址，如果重定向了，requests会自动重定向过去，放着之前没重定向之前的地址，列表
print(response.encoding)  #网页编码

# 关闭：response.close()
response.iter_content()  # 一点一点取，用来下载图片视频之类的

''' 下载图片，视频到本地'''
# res = requests.get('https://pics0.baidu.com/feed/bd3eb13533fa828bf4e9977c327a1138950a5adc.jpeg')
# with open('1.png','wb') as f:
#     f.write(res.content)
res = requests.get('https://vd2.bdstatic.com/mda-pg6acnyf44f4dkdg/720p/h264/1688715361322809563/mda-pg6acnyf44f4dkdg.mp4')
with open('xsp.mp4','wb') as f:
    for line in res.iter_content(chunk_size=1024):
        f.write(line)
        
'''编码问题'''
# 直接打印res.text 字符串形式-----》从网络过来是二进制----》转成字符串涉及到编码---》默认以utf-8,---》现在会自动识别页面的编码，自动转成对应的
# res.encoding='gbk' # 手动指定编码
# print(res.text)

3.解析json

# 返回的可能是html，也可能是json(前后端分离项目，返回数据json格式)，转成字典直接用
# res=requests.post('http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword',data='cname=&pid=&keyword=%E5%91%A8%E6%B5%A6&pageIndex=1&pageSize=10',headers={
#     'Content-Type':'application/x-www-form-urlencoded; charset=UTF-8'
# })
res = requests.post('http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword', data={
    'cname': '',
    'pid': '',
    'keyword': '周浦',
    'pageIndex': 1,
    'pageSize': 10,
})
for item in res.json()['Table1']:
    print('餐厅名字：%s，餐厅地址：%s'%(item['storeName'],item['addressDetail']))

4.发起https请求

res = requests.get('https://www.cnblogs.com/XxMa/p/17515369.html',verify=False)
# verify参数的作用是验证证书,在发起HTTPS请求时使用
print(res.text)

5.使用代理

# 访问某些网站，频率过高，就会被封ip===》使用代理ip访问---》封的是代理ip
import requests
proxies = {
    'http': '104.193.88.77:80',
}
response = requests.get('https://www.cnblogs.com/XxMa/p/17515369.html',proxies=proxies)
print(response)

6.超时设置

response = requests.get('https://www.baidu.com',timeout=1)
print(response)

7.异常处理

from requests.exceptions import * #可以查看requests.exceptions获取异常类型
try:
    r=requests.get('http://www.baidu.com',timeout=0.00001)
except ReadTimeout:
    print('===')
except RequestException:
    print('Error')
except Exception as e:
    print(e)

8.上传文件

files = {'myfile':open('1.png','rb')}
response = requests.post('http://127.0.0.1:8000/upload/',files=files)
print(response.status_code)

9.认证登录

response = requests.get('xxx',auth=('user','password'))
print(response.status_code)

代理池搭建

# 搭建一个代理池---》每次可以从池中随机取出一个代理---》发送请求
# 公司内部要用，会花钱买
# 咱们自己用，基于网上的开源软件，自己搭建

##  开源的代理池核心原理：https://github.com/jhao104/proxy_pool
	1 使用爬虫技术，爬取网上免费的代理
    2 爬完回来做验证，如果能用，存到redis中
    # 启动调度程序，爬代理，验证，存到redis中
	python proxyPool.py schedule
    3 使用flask启动服务，对外开放了几个接口，向某个接口发请求，就能随机获取一个代理
    # 启动webApi服务
    python proxyPool.py server
 
#搭建步骤:
	1 从git拉去开源代码
    	git clone https://github.com/jhao104/proxy_pool.git
    2 使用pycharm打开，创建虚拟环境
    	mkvirtualenv -p python3 pool
    3 配置项目使用虚拟环境
    4 修改项目配置文件
    	 DB_CONN = 'redis://127.0.0.1:6379/2'
		HTTP_URL = "http://www.baidu.com"
		HTTPS_URL = "https://www.baidu.com"
        
    5 启动调度程序---》爬取网站，验证，存到redis
    	python proxyPool.py schedule
        
    6 启动web程序（flask写的）
    	python proxyPool.py server
        
    7 向http://192.168.1.252:5010/get/?type=http 地址发送请求就可以随机获取代理ip

使用代理池

import requests
res = requests.get('http://192.168.1.252:5010/get/?type=http').json()['proxy']
proxies = {
    'http': res,
}
print(proxies)
# 我们是http 要使用http的代理
respone = requests.get('http://139.155.203.196:8080/', proxies=proxies)
print(respone.text)

爬取某视频网站

# https://www.pearvideo.com/

#  加载下一页的地址
https://www.pearvideo.com/category_loading.jsp?reqType=5&categoryId=1&start=0

import requests
import re

res = requests.get('https://www.pearvideo.com/category_loading.jsp?reqType=5&categoryId=1&start=0')

video_list = re.findall('<a href="(.*?)" class="vervideo-lilink actplay">', res.text)
print(video_list)
for video in video_list:
    url = 'https://www.pearvideo.com/' + video
    header = {
        'Referer': url
    }

    video_id = video.split('_')[-1]
    video_url = 'https://www.pearvideo.com/videoStatus.jsp?contId=%s&mrd=0.8273125965736401' % video_id
    res1 = requests.get(video_url, headers=header).json()  # 真正能拿到视频的地址发送请求
    real_mp4_url = res1['videoInfo']['videos']['srcUrl']

    real_mp4_url = real_mp4_url.replace(real_mp4_url.split('/')[-1].split('-')[0], 'cont-%s' % video_id)
    print(real_mp4_url)
    res2 = requests.get(real_mp4_url)
    with open('./video/%s.mp4' % video, 'wb') as f:
        for line in res2.iter_content():
            f.write(line)



# ajax 请求拿回来的视频地址是：
# 能播放的地址：
# https://video.pearvideo.com/mp4/adshort/20181106/     1688703103822    -13189302_adpkg-ad_hd.mp4  # 不能的
# https://video.pearvideo.com/mp4/adshort/20181106/      cont-1470647     -13189302_adpkg-ad_hd.mp4 #能的

# url = 'https://video.pearvideo.com/mp4/adshort/20181106/1688703103822-13189302_adpkg-ad_hd.mp4'