requests_html 响应状态 - Html

requests_html 是一款基于 requests 和 Pyppeteer 的 Python 爬虫库，用于爬取动态网站的数据。这个库提供了许多对 HTML 和 JavaScript 进行解析和渲染的功能，同时也支持 HTTP 协议的许多特性，例如 Cookie、Header 等。

requests_html 中的响应对象是一个 HTMLResponse 对象，里面有许多有用的信息，包括请求 URL、状态码、文本内容、Cookies 和 Headers 等等。在这篇文章中，我们将介绍 requests_html 中的响应状态 - Html。

响应状态 - Html

在 requests_html 中，响应状态 - Html 表示用于解析 HTML 文档的库。默认情况下，requests_html 会将响应文本渲染为 HTML 文档，然后使用 lxml 库进行解析。如果您想使用其他库进行解析，可以指定不同的响应状态。

以下是 requests_html 中支持的响应状态 - Html 列表：

• lxml：使用 lxml 库进行解析。
• html5lib：使用 html5lib 库进行解析。
• html.parser：使用 Python 标准库中的 html.parser 进行解析。

您可以在构造 HTMLResponse 对象时指定响应状态，例如：

from requests_html import HTMLSession, HTMLResponse

session = HTMLSession()
response = session.get('https://example.com')

html_response = HTMLResponse(
    url=response.url,
    html=response.content,
    headers=response.headers,
    status_code=response.status_code,
    encoding=response.encoding,
    history=response.history,
    prepare=True,
    browser=None,
    codec_errors='strict',
    html_reponse_cls=None,
    html_parser='lxml'
)

在这个例子中，我们使用了 HTMLResponse 类，同时指定了响应状态为 lxml。

另外，您还可以在 HTMLSession 对象中指定默认的响应状态。这样，当发出请求并成功得到响应后，响应对象的响应状态将自动设置为默认的响应状态。

例如：

from requests_html import HTMLSession

session = HTMLSession()
session.browser = None
session.headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 Edge/16.16299' }
session.verify = False
session.respocommon_kwargs = {'html_parser': 'lxml'}

在这个例子中，我们将默认的响应状态设置为 lxml。

总结

requests_html 是一款非常强大的 Python 爬虫库，它能够帮助您爬取动态网站的数据。在使用 requests_html 时，了解响应状态 - Html 对于您选择合适的解析库非常重要。通过本文的介绍，您应该可以更好地理解 requests_html 中的响应状态 - Html。