Python-第三方库requests详解

编写爬虫非常必要的python库。

Requests 是用Python语言编写,基于 urllib,采用 Apache2 Licensed 开源协议的 HTTP 库。它比 urllib 更加方便,可以节约我们大量的工作,完全满足 HTTP 测试需求。Requests 的哲学是以 PEP 20 的习语为中心开发的,所以它比 urllib 更加 Pythoner。更重要的一点是它支持 Python3 哦!

希望我的博客对您有用。

一、安装 Requests

通过pip安装

pip install requests

或者,下载代码后安装:

$ git clone git://github.com/kennethreitz/requests.git$ cd requests$ python setup.py install

再懒一点,通过IDE安装吧,如pycharm!

二、发送请求与传递参数

先来一个简单的例子吧!让你了解下其威力:

import requests r = requests.get(url=http://www.itwhy.org)# 最基本的GET请求print(r.status_code)# 获取返回状态r = requests.get(url=http://dict.baidu.com/s, params={wd:python}) #带参数的GET请求print(r.url)print(r.text) #打印解码后的返回数据

很简单吧!不但GET方法简单,其他方法都是统一的接口样式哦!

requests.get(‘’) #GET请求 requests.post(“”) #POST请求 requests.put(“”) #PUT请求 requests.delete(“”) #DELETE请求 requests.head(“”) #HEAD请求 requests.options(“”) #OPTIONS请求

PS:以上的HTTP方法,对于WEB系统一般只支持 GET 和 POST,有一些还支持 HEAD 方法。 带参数的请求实例:

import requestsrequests.get(http://www.dict.baidu.com/s, params={wd: python})#GET参数实例requests.post(http://www.itwhy.org/wp-comments-post.php, data={comment: 测试POST})#POST参数实例

POST发送JSON数据:

import requestsimport json r = requests.post(https://api.github.com/some/endpoint, data=json.dumps({some: data}))print(r.json())

定制header:

import requestsimport json data = {some: data}headers = {content-type: application/json, User-Agent: Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:22.0) Gecko/ Firefox/22.0} r = requests.post(https://api.github.com/some/endpoint, data=data, headers=headers)print(r.text)

三、Response对象

使用requests方法后,会返回一个response对象,其存储了服务器响应的内容,如上实例中已经提到的 r.text、r.status_code…… 获取文本方式的响应体实例:当你访问 r.text 之时,会使用其响应的文本编码进行解码,并且你可以修改其编码让 r.text 使用自定义的编码进行解码。

r = requests.get(http://www.itwhy.org)print(r.text, \n{}\n.format(**79), r.encoding)r.encoding = GBKprint(r.text, \n{}\n.format(**79), r.encoding)

其他响应:

r.status_code #响应状态码 r.raw #返回原始响应体,也就是 urllib 的 response 对象,使用 r.raw.read() 读取 r.content #字节方式的响应体,会自动为你解码 gzip 和 deflate 压缩 r.text #字符串方式的响应体,会自动根据响应头部的字符编码进行解码 r.headers #以字典对象存储服务器响应头,但是这个字典比较特殊,字典键不区分大小写,若键不存在则返回None #*特殊方法*# r.json() #Requests中内置的JSON解码器 r.raise_for_status() #失败请求(非200响应)抛出异常

案例之一:

import requests URL = # 淘宝IP地址库APItry:r = requests.get(URL, params={ip: 8.8.8.8}, timeout=1)r.raise_for_status()# 如果响应状态码不是 200,就主动抛出异常except requests.RequestException as e:print(e)else:result = r.json()print(type(result), result, sep=\n)

四、上传文件

使用 Requests 模块,上传文件也是如此简单的,文件的类型会自动进行处理:

import requests url = :5000/uploadfiles = {file: open(/home/lyb/sjzl.mpg, rb)}#files = {file: (report.jpg, open(/home/lyb/sjzl.mpg, rb))} #显式的设置文件名 r = requests.post(url, files=files)print(r.text)

更加方便的是,你可以把字符串当着文件进行上传:

import requests url = :5000/uploadfiles = {file: (test.txt, bHello Requests.)} #必需显式的设置文件名 r = requests.post(url, files=files)print(r.text)

五、身份验证

基本身份认证(HTTP Basic Auth):

import requestsfrom requests.auth import HTTPBasicAuth r = requests.get(https://httpbin.org/hidden-basic-auth/user/passwd, auth=HTTPBasicAuth(user, passwd))# r = requests.get(https://httpbin.org/hidden-basic-auth/user/passwd, auth=(user, passwd))# 简写print(r.json())

另一种非常流行的HTTP身份认证形式是摘要式身份认证,Requests对它的支持也是开箱即可用的:

requests.get(URL, auth=HTTPDigestAuth(user, pass))

六、Cookies与会话对象

如果某个响应中包含一些Cookie,你可以快速访问它们:

import requests r = requests.get(http://www.google.com.hk/)print(r.cookies[NID])print(tuple(r.cookies))

要想发送你的cookies到服务器,可以使用 cookies 参数:

import requests url = http://httpbin.org/cookiescookies = {testCookies_1: Hello_Python3, testCookies_2: Hello_Requests}# 在Cookie Version 0中规定空格、方括号、圆括号、等于号、逗号、双引号、斜杠、问号、@,冒号,分号等特殊符号都不能作为Cookie的内容。r = requests.get(url, cookies=cookies)print(r.json())

会话对象让你能够跨请求保持某些参数,最方便的是在同一个Session实例发出的所有请求之间保持cookies,且这些都是自动处理的,甚是方便。 下面就来一个真正的实例,如下是快盘签到脚本:

import requests headers = {Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8, Accept-Encoding: gzip, deflate, compress, Accept-Language: en-us;q=0.5,en;q=0.3, Cache-Control: max-age=0, Connection: keep-alive, User-Agent: Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:22.0) Gecko/ Firefox/22.0} s = requests.Session()s.headers.update(headers)# s.auth = (superuser, 123)s.get(https://www.kuaipan.cn/account_login.htm) _URL = http://www.kuaipan.cn/index.phps.post(_URL, params={ac:account, op:login}, data={username:****@foxmail.com, userpwd:********, isajax:yes})r = s.get(_URL, params={ac:zone, op:taskdetail})print(r.json())s.get(_URL, params={ac:common, op:usersign})

七、超时与异常

timeout 仅对连接过程有效,与响应体的下载无关。

>>> requests.get(http://github.com, timeout=0.001)Traceback (most recent call last):File "<stdin>", line 1, in <module>requests.exceptions.Timeout: HTTPConnectionPool(host=github.com, port=80): Request timed out. (timeout=0.001)

所有Requests显式抛出的异常都继承自 requests.exceptions.RequestException:ConnectionError、HTTPError、Timeout、TooManyRedirects。

转自:

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: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。 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(# 发送请求>>> r.status_code# 返回码 200>>> r.headers[content-type]# 返回头部信息text/html; charset=utf8>>> r.encoding# 编码信息utf-8>>> r.text#内容部分(PS,由于编码问题,建议这里使用r.content)u<!DOCTYPE html>\n<html xmlns=""......

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()

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实现:

>>> r = requests.post("")>>> r = requests.put("")>>> r = requests.delete("")>>> r = requests.head("")>>> r = requests.options("")

因为目前我还没用到这些,所以没有深入研究。

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:

>>> payload = {wd: 张亚楠, rn: 100}>>> r = requests.get("", params=payload)>>> print r.urlu?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。

>>> r = requests.get(;>> r.textu<!DOCTYPE html>\n<html xmlns=""...

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。

>>> r = requests.get(;>> r.contentb<!DOCTYPE html>\n<html xmlns=""...

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。

>>> r = requests.get()>>> r.encodingutf-8

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。

>>> r = requests.get()>>> r.encodingutf-8>>>r.encoding = ISO-8859-1

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(?ip=122.88.60.28)>>>r.json()[data][country]中国

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 = requests.get(http://www.mengtiankong.com)>>>r.status_code200>>>r = requests.get(http://www.mengtiankong.com/123123/)>>>r.status_code404>>>r = requests.get(?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN)>>>r.urlu;>>r.status_code200

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:

>>>r.history(<Response [302]>,)

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:

>>>r = requests.get(?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN, allow_redirects = False)>>>r.status_code302

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。

3.7 响应头内容

可以通过r.headers来获取响应头内容。

>>>r = requests.get()>>> r.headers{content-encoding: gzip,transfer-encoding: chunked,content-type: text/html; charset=utf-8;...}

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。

>>> r.headers[Content-Type]text/html; charset=utf-8 >>> r.headers.get(content-type)text/html; charset=utf-8

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。

>>> requests.get(http://github.com, timeout=0.001)Traceback (most recent call last):File "<stdin>", line 1, in <module>requests.exceptions.Timeout: HTTPConnectionPool(host=github.com, port=80): Request timed out. (timeout=0.001)

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": ":3128","https": ":1080",} requests.get("", proxies=proxies)

如果代理需要账户和密码,则需这样:

proxies = {"http": ":[email protected]:3128/",}

3.10 请求头内容

请求头内容可以用r.request.headers来获取。

>>> r.request.headers{Accept-Encoding: identity, deflate, compress, gzip,Accept: */*, User-Agent: python-requests/1.2.3 CPython/2.7.3 Windows/XP}

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:

r = requests.get()print r.request.headers[User-Agent]#python-requests/1.2.3 CPython/2.7.3 Windows/XP headers = {User-Agent: alexkh}r = requests.get(, headers = headers)print r.request.headers[User-Agent]#alexkh

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

def get_status(url):r = requests.get(url, allow_redirects = False)return r.status_code print get_status() #200print get_status(/hi404/)#404print get_status(http://mengtiankong.com)#301print get_status(?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN)#302print get_status(?46981.html)#500

后记

1、官方文档 requests的具体安装过程请看:#install requests的官方指南文档: requests的高级指南文档:#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。 5、图注:requests官方文档上的一只老鳖。

这是迁移博客的第一篇文章,之所以选择这个作为第一篇,是因为这篇文章在我原来的博客里面是阅读量最大的一篇了,不好意思的是,这还是一个转载。