python requests模块详解

requests是python的一个HTTP客户端库,跟urllib,urllib2类似,那为什么要用requests而不用urllib2呢?官方文档中是这样说明的: 

python的标准库urllib2提供了大部分需要的HTTP功能,但是API太逆天了,一个简单的功能就需要一大堆代码。 

我也看了下requests的文档,确实很简单,适合我这种懒人。下面就是一些简单指南。 

插播个好消息!刚看到requests有了中文翻译版,建议英文不好的看看,内容也比我的博客好多了,具体链接是:http://cn.python-requests.org/en/latest/(不过是v1.1.0版,另抱歉,之前贴错链接了)。 

1. 安装 

安装很简单,我是win系统,就在这里下载了安装包(网页中download the zipball处链接),然后$ python setup.py install就装好了。 
当然,有easy_install或pip的朋友可以直接使用:easy_install requests或者pip install requests来安装。 
至于linux用户,这个页面还有其他安装方法。 

      注:

      如果是linux系统,  python -m pip  install  requests 或者  python setup.py install就可以安装了
测试:在IDLE中输入import requests,如果没提示错误,那说明已经安装成功了! 

2. 小试牛刀

import  requests
r= requests.get('https://www.baidu.com/s')
print(r.status_code)
print(r.headers['content-type'])
print(r.encoding)
print(r.text)
是不是很简单?比urllib2和urllib简单直观的多?!那请接着看快速指南吧。 

3. 快速指南 

3.1 发送请求 

发送请求很简单的,首先要导入requests模块: 

>>>import requests


接下来让我们获取一个网页,例如我个人博客的首页: 

>>>r = requests.get(‘http://www.sharejs.com’) 
接下来,我们就可以使用这个r的各种方法和函数了。 
另外,HTTP请求还有很多类型,比如POST,PUT,DELETE,HEAD,OPTIONS。也都可以用同样的方式

因为目前我还没用到这些,所以没有深入研究。 

>>> r = requests.post("http://httpbin.org/post")
>>> r = requests.put("http://httpbin.org/put")
>>> r = requests.delete("http://httpbin.org/delete")
>>> r = requests.head("http://httpbin.org/get")
>>> r = requests.options("http://httpbin.org/get")

3.2 在URLs中传递参数 

有时候我们需要在URL中传递参数,比如在采集百度搜索结果时,我们wd参数(搜索词)和rn参数(搜素结果数量),


你可以手工组成URL,requests也提供了一种看起来很NB的方法: 

import requests
r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')
print(r.json()['data']['country'])

u’http://www.baidu.com/s?rn=100&wd=%E5%BC%A0%E4%BA%9A%E6%A5%A0′ 

上面wd=的乱码就是“张亚楠”的转码形式。(好像参数按照首字母进行了排序。) 

3.3 获取响应内容 

可以通过r.text来获取网页的内容。 

 print(r.url)
用r.content 或者r.print 来替换urllib2.urlopen(url)read()

>>> 

文档里说,requests会自动将内容转码。大多数unicode字体都会无缝转码。但我在cygwin下使用时


老是出现UnicodeEncodeError错误,郁闷。倒是在python的IDLE中完全正常。 

另外,还可以通过r.content来获取页面内容。 

import requests
r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')
print(r.content)
>>> r.content

文档中说r.content是以字节的方式去显示,所以在IDLE中以b开头。但我在cygwin中用起来并没有,


下载网页正好。所以就替代了urllib2的urllib2.urlopen(url).read()功能。(基本上是我用的最多的一


个功能。) 

3.4 获取网页编码 

可以使用r.encoding来获取网页编码。 

import requests
r = requests.get('
print(r.status_code)

>>> r.encoding

当你发送请求时,requests会根据HTTP头部来猜测网页编码,当你使用r.text时,requests就会使用这个编码。当然你

还可以修改requests的编码形式。 

像上面的例子,对encoding修改后就直接会用修改后的编码去获取网页内容。 

3.5 json 

像urllib和urllib2,如果用到json,就要引入新模块,如json和simplejson,但在requests中已经有了内置的函数,r.json()。就拿查询IP的API来说: 

>>>

r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')
print(r.json()['data']['country'])

3.6 网页状态码 

>>

我们可以用r.status_code来检查网页的状态码。 

>>>r.status_code
import  requests
def get_status(url):
    r = requests.get(url, allow_redirects=False)
    return r.status_code


print(get_status('http://www.zhidaow.com'))
# 200
print(get_status('http://www.zhidaow.com/hi404/'))
# 404
print(get_status('http://mengtiankong.com'))
# 301
print(get_status('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN'))
# 302
print(get_status('http://www.huiya56.com/com8.intre.asp?46981.html'))
# 500

这里能看出他是使用了302跳转。也许有人认为这样可以通过判断和正则来获取跳转的状态码了,其实


还有个更简单的方法: 

前两个例子很正常,能正常打开的返回200,不能正常打开的返回404。但第三个就有点奇怪了,那个


是百度搜索结果中的302跳转地址,但状态码显示是200,接下来我用了一招让他原形毕露: 

只要加上一个参数allow_redirects,禁止了跳转,就直接出现跳转的状态码了,好用吧?我也利用这个在最后一掌做了

个简单的获取网页状态码的小应用,原理就是这个。 

>>> r.headers

3.7 响应头内容 

可以通过r.headers来获取响应头内容。 

{
import requests
# r = requests.get('http://www.zhidaow.com')
#
# print(r.request.headers)
#自定义请求头部
r = requests.get('http://www.baidu.com')
print(r.request.headers['User-Agent'])
# print(r.request.headers)
# python-requests/1.2.3 CPython/2.7.3 Windows/XP

headers = {'User-Agent': 'alexkh'}
r = requests.get('http://www.zhidaow.com', headers=headers)
print(r.request.headers['User-Agent'])
    .
可以看到是以字典的形式返回了全部内容,我们也可以访问部分内容。 

)
3.8 设置超时时间 

我们可以通过timeout属性设置超时时间,一旦超过这个时间还没获得响应内容,就会提示错误。 

Traceback (most recent call last):
3.9 代理访问 

采集时为避免被封IP,经常会使用代理。requests也有相应的proxies属性。

import  requests
proxies  = {
    "http" : "http://10.6.0.1:80",
    "https" : "http://10.6.0.100:80"
}
r = requests.get("http://www.zhidaow.com", proxies=proxies)
print(r.headers)

3.10 请求头内容 

如果代理需要账户和密码,则需这样:
proxies = {
    "http": "http://user:pass@10.10.1.10:3128/",
}

请求头内容可以用r.request.headers来获取。 

r = requests.get('http://www.baidu.com')
print(r.request.headers['User-Agent'])
# print(r.request.headers)
# python-requests/1.2.3 CPython/2.7.3 Windows/XP

headers = {'User-Agent': 'alexkh'}
r = requests.get('http://www.zhidaow.com', headers=headers)
print(r.request.headers['User-Agent'])
{3.11 自定义请求头部 

伪装请求头部是采集时经常用的,我们可以用这个方法来隐藏: 

header}
3.12 持久连接keep-alive 

requests的keep-alive是基于urllib3,同一会话内的持久连接完全是自动的。同一会话内的所有请求都会自动使用恰当的连接。 

也就是说,你无需任何设置,requests会自动实现keep-alive。 

4. 简单应用 

4.1 获取网页返回码 

import  requests
def get_status(url):
    r = requests.get(url, allow_redirects=False)
    return r.status_code
print(get_status('http://www.zhidaow.com'))
# 200
print(get_status('http://www.zhidaow.com/hi404/'))
# 404
print(get_status('http://mengtiankong.com'))
# 301
print(get_status('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN'))
# 302
print(get_status('http://www.huiya56.com/com8.intre.asp?46981.html'))
# 500

1、官方文档 

后记 

requests的具体安装过程请看:http://docs.python-requests.org/en/latest/user/install.html#install 
requests的官方指南文档:http://docs.python-requests.org/en/latest/user/quickstart.html 
requests的高级指南文档:http://docs.python-requests.org/en/latest/user/advanced.html#advanced 
2、本文内容部分翻译自官方文档,部分自己归纳。 
3、大多数用的IDLE格式,累死了,下次直接用编辑器格式,这样更符合我的习惯。 
4、还是那句话,有问题留言或email。 

 

    原文作者:sjfbjs
    原文地址: https://blog.51cto.com/11886896/1900113
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞