python爬蟲——requests庫使用代理

　　在看這篇文章之前，需要大家掌握的知識技能：

　　python基礎

　　html基礎

　　http狀態碼

　　讓我們看看這篇文章中有哪些知識點：

　　get方法

　　post方法

　　header參數，模擬用戶

　　data參數，提交數據

　　proxies參數，使用代理

　　進階學習

　　安裝上requests庫

　　pip install requests

　　先來看下幫助文檔，看看requests的介紹，用python自帶的help命令

　　import requests

　　help(requests)

　　output：

　　Help on package requests:

　　NAME

　　requests

　　DESCRIPTION

　　Requests HTTP Library

　　~~~~~~~~~~~~~~~~~~~~~

　　Requests is an HTTP library, written in Python, for human beings. Basic GET

　　usage:

　　>>> import requests

　　>>> r = requests.get('https://www.python.org')

　　>>> r.status_code

　　200

　　>>> 'Python is a programming language' in r.content

　　True

　　... or POST:

　　>>> payload = dict(key1='value1', key2='value2')

　　>>> r = requests.post('https://httpbin.org/post', data=payload)

　　>>> print(r.text)

　　{

　　...

　　"form": {

　　"key2": "value2",

　　"key1": "value1"

　　},

　　...

　　}

　　The other HTTP methods are supported - see `requests.api`. Full documentation

　　is at .

　　:copyright: (c) 2017 by Kenneth Reitz.

　　:license: Apache 2.0, see LICENSE for more details.

　　這里解釋下，requests庫是由python編寫的對人類友好的http庫，并且舉例了GET與POST的方法。

　　GET方法

　　好的，那我們自己來測試下，就以請求百度為例吧，，，(誰讓百度這么耐抗的)

　　import requests

　　r = requests.get('https://www.baidu.com')

　　print(r.status_code) #打印返回的http code

　　print(r.text) #打印返回結果的text

　　方便點，截了個圖給大家看，返回的code是200，說明請求正常拉回網頁了。

　　看下返回的text，有點不對頭，少了一些html標簽，最起碼百度兩個字得有吧。嗯，這是什么原因，，，

　　相信有些同學已經想到了，是沒有真實模擬用戶的請求，你去爬數據，還不模擬用戶請求，那肯定限制你啊。這個時候需要加一個header參數來搞定，至少要加一個user-agent吧。好，那咋們去找一個ua吧。別百度了，自己動手，豐衣足食。教大家一個辦法，用火狐的開發者工具。

　　火狐瀏覽器的開發者工具

　　打開新標簽 —— 按F12——訪問下百度——找到NetWork——隨便點開一個——往下翻——看到ua了吧，復制上。

　　import requests鄭州人流手術費用 http://mobile.120csjlyy.com/

　　headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}

　　r = requests.get('https://www.baidu.com', headers=headers)

　　print(r.status_code)

　　print(r.text)

　　嗯~~~數據有點多，往下翻翻，這下就正常了嘛，數據都有了。。。PS：不信?可以自己輸出一個html文件，瀏覽器打開看看唄

　　POST方法

　　只需要把get改成post就好了

　　import requests

　　headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}

　　r = requests.post('https://www.baidu.com', headers=headers)

　　print(r.status_code)

　　print(r.text)

　　運行下試試看。一般post都是用來提交表單信息的，嗯，這里找一個能提交數據的url，去post下。

　　用我自己寫的接口(PS：django寫的，挺方便)，大家復制過去就好了。注意看代碼，data是要post的數據，post方法里加了一個data參數。

　　import requests

　　headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}

　　# post的數據

　　data = {"info": "biu~~~ send post request"}

　　r = requests.post('http://dev.kdlapi.com/testproxy', headers=headers, data=data) #加一個data參數

　　print(r.status_code)

　　print(r.text)

　　截個圖給大家看下，http code 200，body信息說的post成功，并且返回的了我自己的IP信息以及post的數據

　　使用代理

　　為什么用代理?一般網站都有屏蔽的限制策略，用自己的IP去爬，被封了那該網站就訪問不了，這時候就得用代理IP來解決問題了。封吧，反正封的不是本機IP，封的代理IP。

　　既然使用代理，得先找一個代理IP。PS：自己寫個代理服務器太麻煩了，關鍵是我也不會寫啊，，，哈哈哈

　　import requests

　　headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}

　　# post的數據

　　data = {"info": "biu~~~ send post request"}

　　# 代理信息,由快代理贊助

　　proxy = '115.203.28.25:16584'

　　proxies = {

　　"http": "http://%(proxy)s/" % {'proxy': proxy},

　　"https": "http://%(proxy)s/" % {'proxy': proxy}

　　}

　　r = requests.post('http://dev.kdlapi.com/testproxy', headers=headers, data=data, proxies=proxies) #加一個proxies參數

　　print(r.status_code)

　　print(r.text)

　　主要方法里加個proxies參數，這就用上代理IP了。