第 60 天：Python Requests 库的基本使用

之前我们用了 urllib 库，这个作为入门的工具还是不错的，对了解一些爬虫的基本理念，掌握爬虫爬取的流程有所帮助。入门之后，我们就需要学习一些更加高级的内容和工具来方便我们的爬取。那么这一节来简单介绍一下 requests 库的基本用法。

介绍

首先让我们来看 Requests 官方的介绍：

Requests is an elegant and simple HTTP library for Python, built for human beings.

翻译过来就是：Requests 是为人类写的一个优雅而简单的 Python HTTP 库。这个介绍很直白了，让我们先来感受一下 Requests 的威力。

import requests
# 发送请求response = requests.get(url="http://www.baidu.com/s", params={'wd':'python'})# 处理响应print(response.status_code)
# 输出结果200

这个请求如果用 urllib 来实现，代码如下：

import urllib.parseimport urllib.request
url = "http://www.baidu.com/s"params = urllib.parse.urlencode({'wd':'python'})# 发送请求response = urllib.request.urlopen('?'.join([url, params]))# 处理响应print(response.getcode())
# 输出结果200

从感官上就能看出来，使用 urllib 在 URL 、参数等方面会复杂一些。这只是冰山一角，实际使用中 Requests 还有好多方面超越 urllib ，它并不是浪得虚名，接下来的学习中你就会感受到。

安装

使用pip命令

$ pip3 install requests

或者也可以使用 easy_install 命令安装

$ easy_install requests

发送请求

使用 Requests 发送网络请求非常简单。

我们首先需要导入 Requests 模块：

import requests

然后，我们就可以尝试获取某个网页。本例子中，我们来获取 Github 的公共时间线：

r = requests.get('https://api.github.com/events')

现在，我们有一个名为 r 的 Response 对象。我们可以从这个对象中获取所有我们想要的信息。

Requests 简便的 API 意味着所有 HTTP 请求类型都是显而易见的。例如，你可以这样发送一个 HTTP POST 请求：

r = requests.post('http://httpbin.org/post', data = {'key':'value'})

简单，对吧？那么其他 HTTP 请求类型：PUT，DELETE，HEAD 以及 OPTIONS 又是如何的呢？都是一样的简单：

r = requests.put('http://httpbin.org/put', data = {'key':'value'})r = requests.delete('http://httpbin.org/delete')r = requests.head('http://httpbin.org/get')r = requests.options('http://httpbin.org/get')

传递参数

我们在发送请求时，经常需要向服务端发送请求参数，通常参数都是以键/值对的形式置于 URL 中，跟在一个问号的后面。例如， httpbin.org/get?key=val。Requests 允许你使用 params 关键字参数，以一个字符串字典来提供这些参数。举例来说，如果你想传递 key1=value1 和 key2=value2 到 httpbin.org/get ，那么你可以使用如下代码：

payload = {'key1': 'value1', 'key2': 'value2'}r = requests.get("http://httpbin.org/get", params=payload)print(r.url)
# 输出结果http://httpbin.org/get?key1=value1&key2=value2

通过打印输出该 URL，你能看到 URL 已被正确编码。

注意字典里值为 None 的键都不会被添加到 URL 的查询字符串里。

你还可以将一个列表作为值传入：

payload = {'key1': 'value1', 'key2': ['value2', 'value3']}r = requests.get("http://httpbin.org/get", params=payload)
# 输出结果http://httpbin.org/get?key1=value1&key2=value2&key2=value3

响应内容

我们可以通过返回读取服务器响应的内容，以 请求百度首页为例：

import requestsr = requests.get('http://www.baidu.com')print(r.text)
#返回（太多，只显示一部分）
<!DOCTYPE html><!--STATUS OK--><html> <head><meta http-eq...

Requests 会自动解码来自服务器的内容，大多数 unicode 字符集都能被无缝地解码。

请求发出后，Requests 会基于 HTTP 头部对响应的编码作出有根据的推测。当你访问 r.text 之时，Requests 会使用其推测的文本编码。你可以通过 r.encoding 来获取 Requests 使用的编码：

r.encoding
# 输出结果'utf-8'

并且能够使用 r.encoding 属性来改变它：

r.encoding = 'ISO-8859-1'

如果你改变了编码，每当你访问 r.text ，Request 都将会使用 r.encoding 的新值。

二进制响应内容

对于非文本请求（例如图片），你也能以字节的方式访问请求响应体，Requests 会自动为你解码 gzip 和 deflate 传输编码的响应数据。

例如，以请求返回的二进制数据创建一张图片，你可以使用如下代码：

import requestsfrom PIL import Imagefrom io import BytesIO
r = requests.get('http://img.sccnn.com/bimg/326/203.jpg')print(r.content)bi = BytesIO(r.content)print(bi)i = Image.open(bi)print(i)
# 输出结果b'\xff\xd8\xff\xe0\x00\x10JFIF\x00\...<_io.BytesIO object at 0x1112fdbf8><PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=600x400 at 0x111020588>

JSON 响应内容

Requests 中有一个内置的 JSON 解码器，可以帮助你处理 JSON 数据：

r = requests.get('https://api.github.com/events')print(r.json())
# 输出结果[{u'repository': {u'open_issues': 0, u'url': 'https://github.com/...

如果 JSON 解码失败， r.json() 就会抛出一个异常。

r = requests.get('https://www.baidu.com')print(r.json())
# 输出结果json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)

需要注意的是，成功调用 r.json() 并不意味着响应的成功。有的服务器会在失败的响应中包含一个 JSON 对象（比如 HTTP 500 的错误细节）。这种 JSON 会被解码返回。要检查请求是否成功，请使用 r.raise_for_status() 或者检查 r.status_code 是否和你的期望相同。

原始响应内容

在极少数情况下，你可能想获取来自服务器的原始套接字响应，那么你可以访问 r.raw。这个时候请确保在初始请求中设置了 stream=True。具体你可以这么做：

r = requests.get('https://api.github.com/events', stream=True)print(r.raw)print(r.raw.read(10))
# 输出结果<requests.packages.urllib3.response.HTTPResponse object at 0x101194810>'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03'

设置请求头

如果你在爬取某个页面内容的时候，发现获取的数据为空，但是直接用浏览器访问 URL 没问题，这时候很有可能是你被服务器识别为爬虫用户了，怎么办呢？我们应该要模拟浏览器去请求，这时候你需要为请求添加 HTTP 头部信息，只要简单地传递一个 dict 给 headers 参数就可以了。

例如，我们设置一下 User-Agent ：

url = 'http://www.baidu.com'headers = {'User-Agent': 'myagent/2.21.0'}r = requests.get(url, headers=headers)print(r.request.headers)
# 输出结果{'User-Agent': 'myagent/2.21.0', 'Accept-Encoding': 'gzip, deflate', 'Accept': '*/*', 'Connection': 'keep-alive'}

可以看到，请求的 User-Agent 已经变成了设置的 myagent/2.21.0。

复杂的 POST 请求

我们在使用 POST 请求的时候，打印一下 r.text 会发现每次都会出现几个关键字：

{ "args": {}, "data": "", "files": {}, "form": {}, "headers": {}, "json": null, "origin": "221.232.172.222, 221.232.172.222", "url": "https://httpbin.org/post"}

这些关键字都可以在 POST 的参数里面设置。其中 headers 和 args 我们前面已经讲过，分别表示请求头和参数信息。origin 是指请求的路由 ip，url 是我们请求的 url，其他几个我们都是可以设置的。下面我们就来看看其他几个关键字怎么设置。

设置data参数

如果你在 POST 请求时想提交表单，也只需要简单的传递一个字典给 data 参数即可。你的数据字典在发出请求时会自动编码为表单形式：

payload = {'key1': 'value1', 'key2': 'value2'}r = requests.post("http://httpbin.org/post", data=payload)print(r.text)
# 输出结果{ ... "form": { "key1": "value1", "key2": "value2" }, ...}

你也可以为 data 参数传入一个元组列表。Requests 会自动将其转换成一个列表：

payload = (('key1', 'value1'), ('key1', 'value2'))r = requests.post("http://httpbin.org/post", data=payload)print(r.text)
# 输出结果{ ... "form": { "key1": [ "value1", "value2" ] }, ...}

设置 json 参数

Requests 允许你使用 json 直接传递参数，然后它就会被自动编码。

payload = {'some': 'data'}r = requests.post("http://httpbin.org/post", json=payload)print(r.text)
# 输出结果{ "args": {}, "data": "{\"some\": \"data\"}", "files": {}, "form": {}, "headers": { "Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Content-Length": "16", "Content-Type": "application/json", "Host": "httpbin.org", "User-Agent": "python-requests/2.21.0" }, "json": { "some": "data" }, "origin": "221.232.172.222, 221.232.172.222", "url": "https://httpbin.org/post"}

注意，这里不仅赋值给 json 了，而且还自动赋值给 data 了，json 里面的键值对也被自动编码到 data 中了。

设置文件参数

Requests 上传文件很简单：

files = {'file': open('test.txt', 'rb')}r = requests.post('http://httpbin.org/post', files=files)print(r.text)
# 输出结果{ ... "files": { "file": "this is a file test" }, ...}

你也可以增加一个参数，把字符串发送到上传的文件中，例如：

files = {'file': ('test.txt', 'some,data,to,send\nanother,row,to,send\n')}r = requests.post('http://httpbin.org/post', files=files)print(r.text)
# 输出结果{ ... "files": { "file": "some,data,to,send\nanother,row,to,send\n" }, ...}

响应状态码和响应头

我们可以从服务器响应的结果中获取状态码和响应头的信息，例如：

r = requests.get('http://httpbin.org/get')print(r.status_code)
# 输出结果200

为方便引用，Requests还附带了一个内置的状态码查询对象：

print(r.status_code == requests.codes.ok)
# 输出结果True

我们还可以查看响应的响应头信息：

r = requests.get('http://httpbin.org/get')print(r.headers)
# 输出结果{'Access-Control-Allow-Credentials': 'true', 'Access-Control-Allow-Origin': '*', 'Content-Encoding': 'gzip', 'Content-Type': 'application/json', 'Date': 'Wed, 18 Sep 2019 12:22:06 GMT', 'Referrer-Policy': 'no-referrer-when-downgrade', 'Server': 'nginx', 'X-Content-Type-Options': 'nosniff', 'X-Frame-Options': 'DENY', 'X-XSS-Protection': '1; mode=block', 'Content-Length': '183', 'Connection': 'keep-alive'}

要获取响应头的某个字段值，我们可以这样：

print(r.headers['Content-Encoding'])
# 输出结果gzip

Cookie

如果一个响应中包含了 cookie ，那么我们可以利用 cookies 变量来拿到:

url = 'http://example.com/some/cookie/setting/url'r = requests.get(url)r.cookies['example_cookie_name']
# 输出结果'example_cookie_value'

以上程序仅是样例，运行程序并不会得到下面的返回。需要包含 cookie 的响应才可以得到。

另外可以利用 cookies 变量来向服务器发送 cookies 信息：

cookies = dict(cookies_are='working')r = requests.get('http://httpbin.org/cookies', cookies=cookies)print(r.text)
# 输出结果{ "cookies": { "cookies_are": "working" }}

可以看到我们设置 cookies 参数后，返回中就包含了我们设置的信息。

Cookie 的返回对象为 RequestsCookieJar，它和字典类似，适合跨域名跨路径使用，也就是说我们可以为不同的域名或者路径设置不同的 cookie 。你还可以把 Cookie Jar 传到 Requests 中：

jar = requests.cookies.RequestsCookieJar()#为路径/cookies设置cookiejar.set('tasty_cookie', 'yum', domain='httpbin.org', path='/cookies')#为路径/elsewhere设置cookiejar.set('gross_cookie', 'blech', domain='httpbin.org', path='/elsewhere')#请求路径为/cookies的URLurl = 'http://httpbin.org/cookies'r = requests.get(url, cookies=jar)print(r.text)
# 输出结果{ "cookies": { "tasty_cookie": "yum" }}

重定向与请求历史

默认情况下，除了 HEAD 请求, Requests 会自动处理所有重定向。

可以使用响应对象的 history 方法来追踪重定向。

Response.history 是一个 Response 对象的列表，这个对象列表按照从最老到最近的请求进行排序。

例如，Github 将所有的 HTTP 请求重定向到 HTTPS：

r = requests.get('http://github.com')print(r.url)print(r.status_code)print(r.history)
# 输出结果https://github.com/200[<Response [301]>]

如果你使用的 Mac ，在运行这段代码时报错：ConnectionResetError: [Errno 54] Connection reset by peer。你需要升级你系统的 openssl，具体方法请自行百度关键词“mac 更新OpenSSL”，更新之后就不会报错了。

我们还可以通过 allow_redirects 参数禁用重定向处理：

r = requests.get('http://github.com', allow_redirects=False)print(r.status_code)print(r.history)
# 输出结果301[]

超时

你可以通过设置 timeout 参数来告诉 requests 在经过以 timeout 参数设定的秒数时间之后停止等待响应。

requests.get('http://github.com', timeout=0.001)
# 输出结果requests.exceptions.ConnectTimeout: HTTPConnectionPool(host='github.com', port=80): Max retries exceeded with url: / (Caused by ConnectTimeoutError(<urllib3.connection.HTTPConnection object at 0x110adf400>, 'Connection to github.com timed out. (connect timeout=0.001)'))

这里通过设置极短的超时时间导致请求停止等待响应，从而引发报错。注意 timeout 仅对连接过程有效，与响应体的下载无关。timeout 并不是整个下载响应的时间限制，而是如果服务器在 timeout 秒内没有应答，将会引发一个异常。

总结

本文给大家介绍了 Requests 的基本用法，如果你对爬虫有了一定的基础，那么肯定可以很快上手，因为 Requests 使用起来简直太方便了。话不多说，感觉上手实践吧！

文中示例代码：python-100-days

赞 (0)

相关推荐

  • Python爬虫：爬取需要登录的网站

    不少伙伴学爬虫,这就出一期Python爬虫教程,文末总结的有视频教程,自己按需学习哈! 爬虫在采集网站的过程中,部分数据价值较高的网站,会限制访客的访问行为.这种时候建议通过登录的方式,获取目标网站的 ...

  • python接口自动化18-requests-toolbelt处理multipart/form-data

    一.requests-toolbelt 1.官方文档地址:[requests-toolbelt官方文档](https://pypi.python.org/pypi/requests-toolbelt/ ...

  • 爬虫精进6

    ---------如有疑问,欢迎交流指正-------- 第6关 练习-储存电影信息-参考 第一步:分析问题,明确结果 问题需求就是把豆瓣TOP250里面的 序号/电影名/评分/推荐语/链接 都爬取下 ...

  • python接口自动化4-绕过验证码登录（cookie）

    前言 有些登录的接口会有验证码:短信验证码,图形验证码等,这种登录的话验证码参数可以从后台获取的(或者查数据库最直接). 获取不到也没关系,可以通过添加cookie的方式绕过验证码. 一.抓登录coo ...

  • 这个男人让你的爬虫开发效率提升8倍

    他叫 Kenneth Reitz.现就职于知名云服务提供商 DigitalOcean,曾是云计算平台 Heroku 的 Python 架构师,目前 Github 上 Python 排行榜第一的用户.( ...

  • python接口自动化测试(四)

    掌握了前面几节的的内容,就可以做一些简单的http协议接口的请求发送了,但是这些还不够.HTTP协议是一个无状态的应用层协议,也就是说前后两次请求是没有任何关系的,那如果我们测试的接口之前有相互依赖关 ...

  • 第 61 天：Python Requests 库高级用法

    上一篇我们介绍了 Requests 库的基本用法,学会之后大家就可以应付一般的请求了.这一篇我们接着介绍 Requests 的高级用法,以便应付一些棘手的问题. 会话维持 在 requests 中,直 ...

  • Python北理工mooc爬虫笔记之requests库

    request.get()函数原型 request对象的属性方法 r.text与r.content的区别 r.text是程序根据猜测的响应内容编码方式来编写的,也就是r.encoding,这个编码方式 ...

  • Python利用requests库爬取百度文库vip文章

    本来马上做课设,做课设太烦了,所以只好偷工减料,但是想下载一个百度文库的文章,结果一看还要会员,这作为一个程序员怎么受得了. 这岂不是让一个本不富裕的家庭更加的雪上加霜.那我只能靠Python维持学习 ...

  • Python爬虫小白入门（二）requests库

    一.前言 为什么要先说Requests库呢,因为这是个功能很强大的网络请求库,可以实现跟浏览器一样发送各种HTTP请求来获取网站的数据.网络上的模块.库.包指的都是同一种东西,所以后文中可能会在不同地 ...

  • Python数据分析库有哪些？常见分类！

    众所周知,Python前景好.需求量大.薪资高.就业岗位多,除了基本的开发工作之外,还可以从事人工智能.数据分析.网络爬虫等岗位.那么说起数据分析,你知道Python常用数据分析库有哪些吗?我们一起来 ...

  • 15 个让新手爱不释手的 Python 高级库

    译者:数据黑客 原文链接:https://medium.com/tech-explained/top-15-python-packages-you-must-try-c6a877ed3cd0 为什么我 ...

  • 一个非常好用的 Python 魔法库

    重磅干货,第一时间送达 本文转自:视学算法 来源:Be_melting https://blog.csdn.net/lys_828/article/details/106489371 1. 前言 在处 ...

  • 用Python标准库turtle画一头金牛，祝您新年牛气冲天！（附源码）

    今年是牛年,祝大家新年牛气冲天!嗨皮牛Year! 前几天在百度图片里下载了一张金牛的图片,就是封面的这张.想着用Python标准库turtle肯定可以画出这张图,所以说干就干,花两天时间实现了. 画图 ...

  • Python标准库模块之heapq

    该模块提供了堆排序算法的实现.堆是二叉树,最大堆中父节点大于或等于两个子节点,最小堆父节点小于或等于两个子节点. 创建堆 heapq有两种方式创建堆, 一种是使用一个空列表,然后使用heapq.hea ...