目錄
- 安裝
- 簡單使用
- 1.簡單訪問一個url：
- 2.帶參數訪問url
- 4.requests的一些常用方法和主要參數
- 5.requests.Response對象的屬性說明
- xpath簡介
python的requests
它是python的一個第三方庫，處理URL比urllib這個庫要方便的多，并且功能也很豐富。
【可以先看4，5表格形式的說明，再看前面的】
安裝
直接用pip安裝，anconda是自帶這個庫的。
簡單使用
requests的文檔
1.簡單訪問一個url：
import requests
url='http://www.baidu.com'
res = requests.get(url)
res.text
res.status_code
!DOCTYPE html>
!--STATUS OK-->
html>
head>
meta http-equiv=content-type content=text/html;charset=utf-8>
meta http-equiv=X-UA-Compatible content=IE=Edge>
meta content=always name=referrer>
link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css>
title>ç™¾åº¦ä¸€ä¸‹ï¼Œä½ å°±çŸ¥é“/title>
/head>
body link=#0000cc>
div id=wrapper>
div id=head>
div class=head_wrapper>
div class=s_form>
div class=s_form_wrapper>
div id=lg>
img hidefocus=true src=//www.baidu.com/img/bd_logo1.jpg width=270 height=129>
/div>
form id=form name=f action=//www.baidu.com/s class=fm> input type=hidden name=bdorz_come value=1>
input type=hidden name=ie value=utf-8>
input type=hidden name=f value=8>
input type=hidden name=rsv_bp value=1>
input type=hidden name=rsv_idx value=1>
input type=hidden name=tn value=baidu>
span class="bg s_ipt_wr">input id=kw name=wd class=s_ipt value maxlength=255 autocomplete=off autofocus>/span>
span class="bg s_btn_wr">input type=submit id=su value=百度一下 class="bg s_btn">/span>
/form>
/div>
/div>
div id=u1>
a href=http://news.baidu.com name=tj_trnews class=mnav>æ–°é—»/a>
a href=http://www.hao123.com name=tj_trhao123 class=mnav>hao123/a>
a href=http://map.baidu.com name=tj_trmap class=mnav>地图/a>
a href=http://v.baidu.com name=tj_trvideo class=mnav>视频/a>
a href=http://tieba.baidu.com name=tj_trtieba class=mnav>è´´å§/a>
noscript>
a href=http://www.baidu.com/bdorz/login.gif?logintpl=mnu=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>登录/a> /noscript>
script>
document.write('a + encodeURIComponent(window.location.href+ (window.location.search === " rel="external nofollow" rel="external nofollow" rel="external nofollow" " ? "?" : "")+ "bdorz_come=1")+ '" name="tj_login" class="lb">登录/a>');/script>
a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">更多产å“/a>
/div>
/div>
/div>
div id=ftCon>
div id=ftConw>
p id=lh>
a href=http://home.baidu.com>å³äºŽç™¾åº¦/a>
a href=http://ir.baidu.com>About Baidu/a>
/p>
p id=cp>copy;2017nbsp;Baidunbsp;a href=http://www.baidu.com/duty/>使用百度å‰å¿
读/a>nbsp;
a href=http://jianyi.baidu.com/ class=cp-feedback>æ„è§å馈/a>nbsp;京ICPè¯030173å·nbsp; img src=//www.baidu.com/img/gs.gif> /p> /div> /div> /div> /body> /html>
200
亂碼的，是由于沒有轉換字符，可以加入res.encoding='utf-8'解決，200是狀態碼。一般狀態碼是2xx都沒什么問題的。
1xx：web服務器正確接收到請求了
2xx：處理成功，比如200表示正常，請求完成；204表示正常無響應等
3xx：重定向
4xx：客戶端出現錯誤，比如著名的404找不到
5xx：服務器出現錯誤 ，比如500的內部錯誤
res.encoding='utf-8'
print(res.text)
!DOCTYPE html>
!--STATUS OK-->
html>
head>
meta http-equiv=content-type content=text/html;charset=utf-8>
meta http-equiv=X-UA-Compatible content=IE=Edge>
meta content=always name=referrer>
link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css>
title>百度一下，你就知道/title>
/head>
body link=#0000cc>
div id=wrapper>
div id=head>
div class=head_wrapper>
div class=s_form>
div class=s_form_wrapper>
div id=lg>
img hidefocus=true src=//www.baidu.com/img/bd_logo1.jpg width=270 height=129>
/div>
form id=form name=f action=//www.baidu.com/s class=fm>
input type=hidden name=bdorz_come value=1>
input type=hidden name=ie value=utf-8>
input type=hidden name=f value=8>
input type=hidden name=rsv_bp value=1>
input type=hidden name=rsv_idx value=1>
input type=hidden name=tn value=baidu>span class="bg s_ipt_wr">input id=kw name=w
d class=s_ipt value maxlength=255 autocomplete=off autofocus>/span>
span class="bg s_btn_wr">input type=submit id=su value=百度一下 class="bg s_btn">/span>
/form>
/div>
/div>
div id=u1>
a href=http://news.baidu.com name=tj_trnews class=mnav>新聞/a>
a href=http://www.hao123.com name=tj_trhao123 class=mnav>hao123/a> a href=http://map.baidu.com name=tj_trmap class=mnav>地圖/a>
a href=http://v.baidu.com name=tj_trvideo class=mnav>視頻/a>
a href=http://tieba.baidu.com name=tj_trtieba class=mnav>貼吧/a>
noscript> a href=http://www.baidu.com/bdorz/login.gif?logintpl=mnu=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>登錄/a> /noscript>
script>
document.write('a + encodeURIComponent(window.location.href+ (window.location.search === " rel="external nofollow" rel="external nofollow" rel="external nofollow" " ? "?" : "")+ "bdorz_come=1")+ '" name="tj_login" class="lb">登錄/a>');
/script>
a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">更多產品/a>
/div>
/div>
/div>
div id=ftCon>
div id=ftConw>
p id=lh>
a href=http://home.baidu.com>關于百度/a>
a href=http://ir.baidu.com>About Baidu/a>
/p>
p id=cp>copy;2017nbsp;Baidunbsp;a href=http://www.baidu.com/duty/>使用百度前必讀/a>nbsp;
a href=http://jianyi.baidu.com/ class=cp-feedback>意見反饋/a>nbsp;京ICP證030173號nbsp; img src=//www.baidu.com/img/gs.gif>
/p>
/div>
/div>
/div>
/body>
/html>
主要的點
（1）.用get請求得到的數據是一個response對象，用response.text屬性來查看。
（2）.修改編碼形式用response.encoding='utf-8/gbk/...'，encoding是它的一個屬性可以查看response.encoding
res.encoding
>>>:
>'utf-8'
（3）.無論響應是文本還是二進制內容，我們都可以用content屬性獲得bytes對象：
import requests
url='http://www.baidu.com'
res = requests.get(url)
print(res.content)
print("----------")
print(res.text)
print("----------")
print(type(res))
!DOCTYPE html>\r\n!--STATUS OK-->
html>
head>
meta http-equiv=content-type content=text/html;charset=utf-8>meta http-equiv=X-UA-Compatible content=IE=Edge>meta content=always name=referrer>link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css>title>\xe7\x99\xbe\xe5\xba\xa6\xe4\xb8\x80\xe4\xb8\x8b\xef\xbc\x8c\xe4\xbd\xa0\xe5\xb0\xb1\xe7\x9f\xa5\xe9\x81\x93/title>/head> body link=#0000cc> div id=wrapper> div id=head> div class=head_wrapper> div class=s_form> div class=s_form_wrapper> div id=lg> img hidefocus=true src=//www.baidu.com/img/bd_logo1.jpg width=270 height=129> /div> form id=form name=f action=//www.baidu.com/s class=fm> input type=hidden name=bdorz_come value=1> input type=hidden name=ie value=utf-8> input type=hidden name=f value=8> input type=hidden name=rsv_bp value=1> input type=hidden name=rsv_idx value=1> input type=hidden name=tn value=baidu>span class="bg s_ipt_wr">input id=kw name=wd class=s_ipt value maxlength=255 autocomplete=off autofocus>/span>span class="bg s_btn_wr">input type=submit id=su value=\xe7\x99\xbe\xe5\xba\xa6\xe4\xb8\x80\xe4\xb8\x8b class="bg s_btn">/span> /form> /div> /div> div id=u1> a href=http://news.baidu.com name=tj_trnews class=mnav>\xe6\x96\xb0\xe9\x97\xbb/a> a href=http://www.hao123.com name=tj_trhao123 class=mnav>hao123/a> a href=http://map.baidu.com name=tj_trmap class=mnav>\xe5\x9c\xb0\xe5\x9b\xbe/a> a href=http://v.baidu.com name=tj_trvideo class=mnav>\xe8\xa7\x86\xe9\xa2\x91/a> a href=http://tieba.baidu.com name=tj_trtieba class=mnav>\xe8\xb4\xb4\xe5\x90\xa7/a> noscript> a href=http://www.baidu.com/bdorz/login.gif?logintpl=mnu=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>\xe7\x99\xbb\xe5\xbd\x95/a> /noscript> script>document.write(\'a + encodeURIComponent(window.location.href+ (window.location.search === " rel="external nofollow" " ? "?" : "")+ "bdorz_come=1")+ \'" name="tj_login" class="lb">xe7x99xbbxe5xbdx95/a>');/script> a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">\xe6\x9b\xb4\xe5\xa4\x9a\xe4\xba\xa7\xe5\x93\x81/a> /div> /div> /div> div id=ftCon> div id=ftConw> p id=lh> a href=http://home.baidu.com>\xe5\x85\xb3\xe4\xba\x8e\xe7\x99\xbe\xe5\xba\xa6/a> a href=http://ir.baidu.com>About Baidu/a> /p> p id=cp>copy;2017nbsp;Baidunbsp;a href=http://www.baidu.com/duty/>\xe4\xbd\xbf\xe7\x94\xa8\xe7\x99\xbe\xe5\xba\xa6\xe5\x89\x8d\xe5\xbf\x85\xe8\xaf\xbb/a>nbsp; a href=http://jianyi.baidu.com/ class=cp-feedback>\xe6\x84\x8f\xe8\xa7\x81\xe5\x8f\x8d\xe9\xa6\x88/a>nbsp;\xe4\xba\xacICP\xe8\xaf\x81030173\xe5\x8f\xb7nbsp; img src=//www.baidu.com/img/gs.gif> /p> /div> /div> /div> /body> /html>\r\n'
----------
!DOCTYPE html>
!--STATUS OK-->
html>
head>
meta http-equiv=content-type content=text/html;charset=utf-8>meta http-equiv=X-UA-Compatible content=IE=Edge>
meta content=always name=referrer>
link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css>
title>ç™¾åº¦ä¸€ä¸‹ï¼Œä½ å°±çŸ¥é“/title>
/head> body link=#0000cc> div id=wrapper>
div id=head>
div class=head_wrapper> div class=s_form>
div class=s_form_wrapper>
div id=lg>
img hidefocus=true src=//www.baidu.com/img/bd_logo1.jpg width=270 height=129> /div> form id=form name=f action=//www.baidu.com/s class=fm> input type=hidden name=bdorz_come value=1>
input type=hidden name=ie value=utf-8> input type=hidden name=f value=8>
input type=hidden name=rsv_bp value=1>
input type=hidden name=rsv_idx value=1>
input type=hidden name=tn value=baidu>
span class="bg s_ipt_wr">
input id=kw name=wd class=s_ipt value maxlength=255 autocomplete=off autofocus>/span>span class="bg s_btn_wr">
input type=submit id=su value=百度一下 class="bg s_btn">
/span>
/form>
/div>
/div>
div id=u1>
a href=http://news.baidu.com name=tj_trnews class=mnav>æ–°é—»/a>
a href=http://www.hao123.com name=tj_trhao123 class=mnav>hao123/a>
a href=http://map.baidu.com name=tj_trmap class=mnav>地图/a>
a href=http://v.baidu.com name=tj_trvideo class=mnav>视频/a> a href=http://tieba.baidu.com name=tj_trtieba class=mnav>è´´å§/a>
noscript>
a href=http://www.baidu.com/bdorz/login.gif?logintpl=mnu=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>登录/a>
/noscript>
script>
document.write('a + encodeURIComponent(window.location.href+ (window.location.search === " rel="external nofollow" rel="external nofollow" rel="external nofollow" " ? "?" : "")+ "bdorz_come=1")+ '" name="tj_login" class="lb">登录/a>');
/script>
a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">更多产å“/a>
/div>
/div>
/div>
div id=ftCon>
div id=ftConw>
p id=lh>
a href=http://home.baidu.com>å³äºŽç™¾åº¦/a>
a href=http://ir.baidu.com>About Baidu/a>
/p>
p id=cp>copy;2017nbsp;Baidunbsp;
a href=http://www.baidu.com/duty/>使用百度å‰å¿è¯»/a>nbsp;
a href=http://jianyi.baidu.com/ class=cp-feedback>æ„è§å馈/a>
nbsp;京ICPè¯030173å·nbsp; img src=//www.baidu.com/img/gs.gif>
/p>
/div>
/div>
/div>
/body>
/html>
class 'requests.models.Response'>
（4）.status_code屬性來查看該請求返回的狀態碼
2.帶參數訪問url
（1）.帶http 的頭去訪問可以傳入參數：headers={'User-Agent':'Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit'} ，不至于很快就被判斷懲惡爬蟲，把你的IP給封了。
（2）.Cookie
# 獲得指定cookie
r.cookies['cookie_name']
# 傳入cookie 用dict來傳遞
cs = {'token':'密碼','status':'狀態'}
res = requests.get(url, cookies='cs')
3）.指定超時
res = requests.get(url, timeout=3) #3秒后超時
注意:一般用get方法就可以爬取一些比較簡單容易的網站。
4.requests的一些常用方法和主要參數
| 方法 |
說明 |
| requests.request() |
構造一個請求，用于以下各種方法的處理 |
| requests.get() |
獲取HTML網頁的主要方法，對應于HTTP的GET |
| requests.head() |
獲取HTML網頁頭信息的方法，對應于HTTP的HEAD |
| requests.post() |
向HTML提交POST請求的方法，對應于HTTP的POST |
| requests.put() |
向HTML提交PUT請求的方法，對應于HTTP的PUT |
| requests.patch() |
向HTML提交局部修改請求的方法，對應于HTTP的PATCH |
| requests.delete() |
向HTML提交刪除請求的方法，對應于HTTP的DELETE |
requests.get()方法的參數：
格式：requests.get(url, params=None, **kwargs) 最前面介紹的幾個常用的掌握就夠用了。
#url:要訪問的url地址
# params:url中的額外參數，可選的，字典或者字典或字節形式傳遞
# **kwargs:控制訪問的參數，可選
## headers，timeout，cookies，data，json，proxies，allow_redirects，stream，veriftty，cert，files，auth
5.requests.Response對象的屬性說明
| 屬性 |
說明 |
| res.status_code |
HTTP請求返回的狀態碼，200表示連接成功，404表示失敗 |
| res.text |
HTTP響應內容的字符串形式，即url對應的頁面內容 |
| res.encoding |
從HTTP header中猜測的響應內容的編碼形式，亂碼可以修改防止亂碼 |
| res.content |
從內容中分析出的響應內容的編碼方式，備用 |
| res.apparent_encoding |
HTTP響應內容的二進制形式 |
xpath簡介
述
Xpath是一門在xml文檔中查找信息的語言。Xpath可用來在xml文檔中對元素和屬性進行遍歷。由于html的層次結構與xml的層次結構天然一致，所以使用Xpath也能夠進行html元素的定位。
定位方法 1.絕對路徑定位：
顧名思義，將Xpath表達式從html的最外層節點，逐層填寫，最后定位到操作元素，一般瀏覽器插件出來都是絕對定位
類似：/html/body/div[1]/div[2]/div[5]/div[1]/div[1]/form/span[2]/input
2.相對路徑定位
通過相對路徑定位元素，提取的是元素的部分特征，只要提取恰當，能夠保證版本間穩定，是進行自動化測試的首選。
類似：//div[@class='e']/a/p/span/text() @后面是屬性，最后的text()提取標簽之間的文本數據
3.索引號定位
類似：/html/body/div[1]/div[2]/div[5]/div[1]/div[1]/form/span[last()-1]/input 表示form下倒數第二個span
4.屬性定位
類似：//*[@id=“kw” and @name=‘wd'] 表示 id 屬性為 kw 且 name 屬性為 wd
5.其它定位方法
還要別的定位方法，不常用，不介紹
lxml簡介
導入lxml 的 etree 庫
簡單使用
（1）.利用etree.HTML，將html字符串（bytes類型或str類型）轉化為Element對象，Element對象具有xpath的方法，返回結果列表。
html = etree.HTML(text)
ret_list = html.xpath("xpath語法規則字符串")
（2）.xpath方法返回列表的三種情況
返回空列表：根據xpath語法規則字符串，沒有定位到任何元素
返回由字符串構成的列表：xpath字符串規則匹配的一定是文本內容或某屬性的值
返回由Element對象構成的列表：xpath規則字符串匹配的是標簽，列表中的Element對象可以繼續進行xpath
注意：
（1）.lxml.etree.HTML(html_str)可以自動補全標簽
（2）.lxml.etree.tostring函數可以將轉換為Element對象再轉換回html字符串
（3）.爬蟲如果使用lxml來提取數據，應該以lxml.etree.tostring的返回結果作為提取數據的依據
實例：爬取51.job的大數據職業信息的第一頁【requests+xpath】
分析：打開首頁，搜索大數據，定位是蘭州，F12調式查看，爬取工作名稱和公司名就好了
位置
import requests
from lxml import etree
url = "https://search.51job.com/list/270200,000000,0000,00,9,99,%25E5%25A4%25A7%25E6%2595%25B0%25E6%258D%25AE,2,1.html?lang=cpostchannel=0000workyear=99cotype=99degreefrom=99jobterm=99companysize=99ord_field=0dibiaoid=0line=welfare="
header = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'
}
res = requests.get(url,headers=header)
res.encoding = "gbk"
#print(res.text)
data = etree.HTML(res.text)#加載成html樹
job_name = data.xpath("http://div[@class='e']/a/p/span/text()")
cname = data.xpath("/html/body/div[2]/div[3]/div/div[2]/div[4]/div[1]/div/div[2]/a/@title")
到此這篇關于python中requests庫+xpath+lxml簡單使用的文章就介紹到這了,更多相關requests庫+xpath+lxml使用內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python使用lxml模塊和Requests模塊抓取HTML頁面的教程
- requests和lxml實現爬蟲的方法
- Python爬蟲基礎之XPath語法與lxml庫的用法詳解
- Python lxml模塊安裝教程
- python常用request庫與lxml庫操作方法整理總結
