Python网络爬虫与信息抽取笔记02 requests库入门

【导读】自从上次春节充电系列：李宏毅机器学习笔记以来我们又见面了，因为在机器学习中数据集是很关键的东西，好的数据集可以给实验带来很好的结果，然而有时候数据集需要我们自己构造，这时候就需要爬虫来帮你建造数据集了。Python网络爬虫与信息提取笔记系列主要针对用Python在网上进行信息爬取，需要初步的Python基础，当然如果你不会python也没关系，可以在实战中学习。今天主要是课程准备工作的介绍，涉及课程框架、Python IDE工具和科学计算工具三部分内容。话不多说，让我们一起学习这些内容吧。

春节充电系列：李宏毅2017机器学习课程学习全部笔记

Python网络爬虫与信息抽取笔记01 课程框架和Python IDE工具

视频网址：

https://www.bilibili.com/video/av9784617?from=search&seid=240663710546169136

http://www.icourse163.org/course/BIT-1001870001?tid=1001962001

Python网络爬虫与信息抽取笔记02 requests库入门

1.课程框架

我们在上一节的内容中已经为大家介绍了python网络爬虫与信息抽取的简介，这一节将主要针对requests库入门进行讨论。本文内容涉及requests库的若干主要问题：了解并安装requests,requests的7个主要方法，Response对象的属性，requests库的异常以及爬取网页的通用代码框架。话不多说，让我们一起学习这些内容吧。

这周我们主要讲述一下三个内容

具体来说就是Requests库入门，网络爬虫的盗亦有道以及Requests库爬虫实例

1.了解并安装requests

我们可以先打开requests官网稍微了解一下requests库的内容

通过pip install requests的指令我们可以轻松安装requests库

我们先进行第一个实例，爬取百度网站的内容

得到的结果如下

2.requests的7个主要方法

如果你不懂这些指令什么意思没关系，下面就来一一讲解。

Requests库主要有7个方法

比如requests.get(url)，url里面填的是你想访问的网址，返回的是服务器响应的信息

Requests.get的源代码如图所示

得到服务器的响应后我们可以对其进行分析

3.Response对象的属性

我们有5个指令可以分析服务器的响应，每个指令作用下图已经给出，需要补充的是，图片上的资源是以二进制存储的，这时候r.content就发挥作用了

根据r.status_code我们可以判断有没有得到服务器的正确响应，比如前段时间Acfun被封，如果当时你用requests.get()指令去得到Acfun的响应，并且输入r.status_code你就会得到404

输入r.text后，你会得到一大串字符串，如果你暂且看不懂没有关系，这其实是html代码，以后也会一一讲解

输入r.encoding和r.apparent_encoding你会发现返回的值不一样

其实两者是有差别的

总的来说，输入r.apparent_encoding是最稳妥的

4.requests库的异常

当然我们还需要处理服务器响应的异常

补充一点，Request.timeout指的获得url到获得内容的整个过程的超时异常，Connecttimeout仅指和服务器连接超时异常。

实际操作中，我们最常用的是r.raise_for_statue()

5.爬取网页的通用代码框架

根据这个，我们可以写出爬取网页的通用代码框架

这样可以使得用户爬取网页更稳定更可靠

参考链接：

http://www.icourse163.org/course/BIT-1001870001?tid=1001962001

-END-