python发起post请求获取json数据使用requests方法

爬虫过程中,几乎都会遇到post提交方式和get提交方式。传的参数也是有很多方式。现在具体介绍一下post和get区别。

最普通的答案

我一直就觉得GET和POST没有什么除了语义之外的区别,自打我开始学习Web编程开始就是这么理解的 。
可能很多人都已经猜到了答案是:
1.GET 使用URL或Cookie传参。而POST将数据放在BODY中。
2.GET 的 URL 会有长度的限制,则POST的数据则可以非常大。
3.POST比GET安全,因为数据在地址栏上不可见。
但是很不幸,这些区别都是错误的,更不幸的是,这个答案还在Google搜索的头版头条,然而我根本没想到这些是答案,因为在我看来都是错的。我来解释一下。

1.GET 和 POST 与数据如何传参没有关系

GET和POST是由HTTP协议定义的。在HTTP协议中,Method和Data(URL, Body, Header)是正交的两个概念,也就是说,使用哪个Method与应用层的数据如何传输是没有相互关系的。
HTTP没有要求,如果Method是POST数据就要放在BODY中。也没有要求,如果Method是GET,数据(参数)就一定要放在URL中而不能放在BODY中。
那么,网上流传甚广的这个说法是从何而来的呢?我在HTML标准中,找到了相似的描述。这和网上流传的说法一致。但是这只是HTML标准对HTTP协议的用法的约定。怎么能当成GET和POST的区别呢?
而且,现代的Web Server都是支持GET中包含BODY这样的请求。虽然这种请求不可能从浏览器发出,但是现在的Web Server又不是只给浏览器用,已经完全地超出了HTML服务器的范畴了。
知道这个有什么用?我不想解释了,有时候就得自己痛一次才记得住。

2. HTTP协议对GET和POST都没有对长度的限制

HTTP协议明确地指出了,HTTP头和Body都没有长度的要求。而对于URL长度上的限制,有两方面的原因造成:
1.浏览器。据说早期的浏览器会对URL长度做限制。据说IE对URL长度会限制在2048个字符内(流传很广,而且无数同事都表示认同)。但我自己试了一下,我构造了90K的URL通过IE9访问live.com,是正常的。网上的东西,哪怕是Wikipedia上的,也不能信。
2.服务器。URL长了,对服务器处理也是一种负担。原本一个会话就没有多少数据,现在如果有人恶意地构造几个几M大小的URL,并不停地访问你的服务器。服务器的最大并发数显然会下降。另一种攻击方式是,把告诉服务器Content-Length是一个很大的数,然后只给服务器发一点儿数据,嘿嘿,服务器你就傻等着去吧。哪怕你有超时设置,这种故意的次次访问超时也能让服务器吃不了兜着走。有鉴于此,多数服务器出于安全啦、稳定啦方面的考虑,会给URL长度加限制。但是这个限制是针对所有HTTP请求的,与GET、POST没有关系。

好了 关于 GET 和 POST 就说这些。

接下来我们爬取某个网站网站的数据。首先我们分析一些网站的结构,发现该网站使用ajax请求post提交方式 获取数据。


# coding=utf-8
import requests
import json
import time
import re
import datetime
import time
import sys
import math
import shutil
import urlparse
from pyquery import PyQuery as pq
from peewee import *

sys.setrecursionlimit(100000)
reload(sys)
sys.setdefaultencoding('utf8')
str.decode('UTF-8')

#定义全局变量
global city_sx
global city_ids
global city_names
global city_id_sx
global city_time
#河南省城市id
#1郑州 2开封 3洛阳 4安阳 5濮阳 6新乡 7焦作 8三门峡 9鹤壁 10许昌 11漯河 12南阳 13信阳 14济源 15商丘 16周口 17驻马店 18平顶山
city_id_sx = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]
#数据库城市id
#410000 郑州,410200 开封,410300 洛阳,410500 安阳,410900 濮阳,410700 新乡,410800 焦作,411200 三门峡,410600 鹤壁,411000 许昌,411100 漯河,411300 南阳,411500 信阳,410881 济源,
#411400 商丘,411600 周口,411700 驻马店,410400 平顶山
city_ids = [410000, 410200, 410300,410500,410900,410700,410800,411200,410600,411000,411100,411300,411500,410881,411400,411600,411700,410400]
#城市名字
city_names = ['郑州','开封','洛阳','安阳','濮阳','新乡','焦作','三门峡','鹤壁','许昌','漯河','南阳','信阳','济源','商丘','周口','驻马店','平顶山']
#获取13位的时间戳
# current_milli_time = lambda: int(round(time.time() * 1000))
# city_time = current_milli_time()
# print city_time

#链接数据库
database = MySQLDatabase('bxy', **{'host': '$', 'password': '$', 'user': '$', 'use_unicode': True, 'charset': 'utf8', 'port': 3306})


class UnknownField(object):
    def __init__(self, *_, **__): pass


class BaseModel(Model):
    class Meta:
        database = database


class Region(BaseModel):
    name = CharField()
    parent_id = IntegerField(constraints=[SQL("DEFAULT 0")])
    rank = IntegerField(constraints=[SQL("DEFAULT 0")], null=True)

    class Meta:
        table_name = 'region'


class Scens(BaseModel):
    address = CharField(null=True)
    baidu_lat = DecimalField(constraints=[SQL("DEFAULT 0.0000000000")], null=True)
    baidu_lng = DecimalField(constraints=[SQL("DEFAULT 0.0000000000")], null=True)
    business_hours = CharField(null=True)
    characteristic_landscape = TextField(null=True)
    cid = IntegerField()
    cname = CharField()
    consumer_hotline = CharField(null=True)
    interpreter_description = CharField(null=True)
    management_agency = CharField(null=True)
    pid = IntegerField()
    pname = CharField()
    price = CharField(null=True)
    price_description = CharField(null=True)
    scenic_cover = CharField(null=True)
    scenic_introduction = TextField(null=True)
    scenic_level = IntegerField(null=True)
    scenic_site = CharField(null=True)
    scenic_spot_description = CharField(null=True)
    scenic_title = CharField(null=True)
    scenic_type = CharField(null=True)
    sid = AutoField()
    sname = CharField()
    supporting_facilities = TextField(null=True)
    tickets_incentives = TextField(null=True)
    tour_route = TextField(null=True)
    tour_time = CharField(null=True)
    tourist_service_center = TextField(null=True)
    traffic_guide = TextField(null=True)
    xid = IntegerField(constraints=[SQL("DEFAULT 0")], null=True)
    xname = CharField(constraints=[SQL("DEFAULT 'unkown'")], null=True)

    class Meta:
        table_name = 'scens'

#图片处理
def save_img(url):
    file_name = url.split('/')[-1]

    try:
        r = requests.get(url)
    except:
        print('远程连接错误')
        return -1

    try:
        with open(file_name, 'wb') as f:
            f.write(r.content)
    except:
        print('文件保存错误')
        return -1


def upload_img(url):
    import os
    file_name = url.split('/')[-1]

    im = Image.open(file_name)
    w, h = im.size
    # print('Original image size: %sx%s' % (w, h))
    if w > 640:
        im.thumbnail((640, int(math.floor(640.00/w*h))))
        file_name = 'thumbnail.jpg'
        im.save(file_name, 'jpeg')

    # print os.getcwd()
    # os.chdir('%s/scenic_cover' % os.getcwd())
    folder = datetime.datetime.now().strftime('%Y%m/')
    data = {
        'ticket': 'EA8D6730-321B-4B11-9AA2-A925D6E0E91F',
        'dir': folder
    }
    new_file_name = '%s.%s' % (str(uuid.uuid4()), (file_name.split('.')[-1]).lower())
    files = {'myfile': (new_file_name, open(file_name, 'rb'), 'application/octet-stream', {})}
    r = requests.post('127.0.0.1/upload/save_remote', data=data, files=files)
    if r.text == 'true':
        return '%s%s' % (folder, new_file_name)
    else:
        print(r.text)
        return -1
def qs(url):
    query = urlparse.urlparse(url).query
    return dict([(k, urlparse.unquote(v[0])) for k, v in urlparse.parse_qs(query).items()])
#获取城市景区链接数据
def get_city(city_index=0, pg=0, i=0, times=1):
	global city_id_sx, city_names
	#print city_id_sx
	print('\033[0;31m')
	print '当前:city_id:%d, city_name:%s, city_index:%d, pg:%d, index:%d, times:%d' % (city_id_sx[city_index], city_names[city_index], city_index, pg, i, times)
	print('\033[0m')
	print '---------------------->'
	url = 'http://www.uhenan.com/Interface/getData.ashx'
	#请求头
	headers = {
		'User-Agent':'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36',
		'Referer':'http://www.uhenan.com/ScenicArea/List?t1=0&t2=1&t3=%200',
		'Host':'www.uhenan.com',
		'Origin':'http://www.uhenan.com',
		'Content-Type': 'application/x-www-form-urlencoded',
		'Cookie':'safedog-flow-item=; __51cke__=; __tins__19387303=%7B%22sid%22%3A%201567134818720%2C%20%22vd%22%3A%202%2C%20%22expires%22%3A%201567137385875%7D; __51laig__=20'
	}
	try:
		#发送post请求
		payload = 'order=desc&field=Top&page=%d&limit=5&method=ScenicArea&Type1=0&Type2=%d&Type3=0&Switch=true&time=' % (city_id_sx[city_index],pg*5)
		print payload
		response = requests.post(url=url, headers=headers, timeout=10,data=payload)
		response.raise_for_status()
	except requests.exceptions.ConnectTimeout:
		print('get_city ConnectTimeout')
		exit(0)
	except requests.exceptions.Timeout:
		print('get_city Timeout')
		exit(0)
	except requests.exceptions.ConnectionError:
		print('get_city ConnectionError')
		exit(0)
	except requests.RequestException as e:
		if requests.status_code == 404:
			print('-' * 20)
			print(' 没有此页。')
			print('-' * 20)
		else:
			print 'get error:', e
			if item > 4:
				exit(0)
			else:
				tiems.sleep(1)
				get_detail(cname, city, id, pg, times+1)
	else:
		#print response.content
		json_obj = json.loads(response.content)
		if len(json_obj['data']) == 0:
			print '<--- end: city_id:%d, city_name:%s' % (city_id_sx[city_index], city_names[city_index])
			if city_index < len(city_id_sx) - 1:
				print '进入下一个市 ===>'
				get_city(city_index+1, 0, 0, 1)
			else:
				print '<=== 本省结束 ===>'
				exit(0)
		for_i = 0
		for item in json_obj['data']:
			if i > for_i:
				for_i = for_i + 1
				continue
			#获取子链接
			#ID        = item['ID']
			#获取景区名字
			Title     = item['Title']
			#获取景区电话
			Phone     = item['Phone']
			#获取景区价格
			Ticket    = item['Ticket']
			str_first = re.sub('<.*?>',"",Ticket)
			str_enfin = str_first.replace('/n',"") 
			#获取景区介绍
			Introduction = item['Introduction']
			str_first = re.sub('<.*?>',"",Introduction)
			str_enfin_1 = str_first.replace(' ', '')
			str_enfin_2 = str_enfin_1.replace(' ', '')
			#获取景区地址
			Address   = item['Address']
			#获取百度坐标
			PointLng  = item['PointLng']
			PointLat  = item['PointLat']
			#获取图片地址:
			Logo      = item['Logo']
			http      = 'http://www.uhenan.com'
			url       = http + Logo
			print Title, str_enfin, Phone, Address, str_enfin_2, PointLng, PointLat, url
			# print city_names[city_index], pg+1, for_i+1, scen_item['ID'], scen_item['Title'],scen_item['Phone'],scen_item['Address'],scen_item['PointLng'],scen_item['PointLat']
			#get_detail(city_names[city_index], city_ids[city_index], ID, pg, 1)
			time.sleep(1)
			for_i = for_i + 1
		get_city(city_index, pg+1, 0, 1)
global city

if __name__ == '__main__':
	city_index = 0
	page = 0
	index = 0

	if len(sys.argv) >= 3:
		city_index = int(sys.argv[1])
	if len(sys.argv) >= 4:
		page = int(sys.argv[2])
	if len(sys.argv) == 5:
		index = int(sys.argv[3])
	get_city(city_index, page, index, 1)
打印结果。

这样关于河南景区的数据获取下来了。


已发布

分类

来自

标签:

评论

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注