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!
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.') # 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!
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。 import requests requests.get('http://www.dict.baidu.com/s', params={'wd': 'python'}) #GET参数实例 requests.post('http://www./wp-comments-post.php', data={'comment': '测试POST'}) #POST参数实例 POST发送JSON数据: import requests import json r = requests.post('https://api.github.com/some/endpoint', data=json.dumps({'some': 'data'})) print(r.json()) 定制header: import requests import json data = {'some': 'data'} headers = {'content-type': 'application/json', 'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:22.0) Gecko/20100101 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…… r = requests.get('http://www.') print(r.text, '\n{}\n'.format('*'*79), r.encoding) r.encoding = 'GBK' print(r.text, '\n{}\n'.format('*'*79), r.encoding) 其他响应:
案例之一: import requests URL = 'http://ip.taobao.com/service/getIpInfo.php' # 淘宝IP地址库API try: 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 = 'http://127.0.0.1:5000/upload' files = {'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 = 'http://127.0.0.1:5000/upload' files = {'file': ('test.txt', b'Hello 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 requests from requests.auth import HTTPBasicAuth r = requests.get('https:///hidden-basic-auth/user/passwd', auth=HTTPBasicAuth('user', 'passwd')) # r = requests.get('https:///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./') 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:///cookies' cookies = {'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。 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/20100101 Firefox/22.0'} s = requests.Session() s.headers.update(headers) # s.auth = ('superuser', '123') s.get('https://www./account_login.htm') _URL = 'http://www./index.php' s.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:http://www./%E8%BD%AF%E4%BB%B6%E5%B7%A5%E7%A8%8B/Python/python-%E7%AC%AC%E4%B8%89%E6%96%B9-http-%E5%BA%93-requests-%E5%AD%A6%E4%B9%A0.html
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:
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。
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 2. 小试牛刀>>>import requests >>> r = requests.get('http://www.') # 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="http://www./1999/xhtml"...' ... 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.')
接下来,我们就可以使用这个 >>> r = requests.post("http:///post") >>> r = requests.put("http:///put") >>> r = requests.delete("http:///delete") >>> r = requests.head("http:///get") >>> r = requests.options("http:///get") 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("http://www.baidu.com/s", params=payload) >>> print r.url u'http://www.baidu.com/s?rn=100&wd=%E5%BC%A0%E4%BA%9A%E6%A5%A0'
上面 3.3 获取响应内容
可以通过 >>> r = requests.get('https://www.') >>> r.text u'<!DOCTYPE html>\n<html xmlns="http://www./1999/xhtml"...'
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 >>> r = requests.get('https://www.') >>> r.content b'<!DOCTYPE html>\n<html xmlns="http://www./1999/xhtml"...'
文档中说 3.4 获取网页编码
可以使用 >>> r = requests.get('http://www.') >>> r.encoding 'utf-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 = requests.get('http://www.') >>> r.encoding 'utf-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 >>>r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28') >>>r.json()['data']['country'] '中国' 3.6 网页状态码
我们可以用 >>>r = requests.get('http://www.') >>>r.status_code 200 >>>r = requests.get('http://www./123123/') >>>r.status_code 404 >>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN') >>>r.url u'http://www./ >>>r.status_code 200 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('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN', allow_redirects = False) >>>r.status_code 302
只要加上一个参数 3.7 响应头内容
可以通过 >>>r = requests.get('http://www.') >>> 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 >>> 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 import requests proxies = { "http": "http://10.10.1.10:3128", "https": "http://10.10.1.10:1080", } requests.get("http://www.", proxies=proxies) 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/", } 3.10 请求头内容
请求头内容可以用 >>> 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('http://www.') print r.request.headers['User-Agent'] #python-requests/1.2.3 CPython/2.7.3 Windows/XP headers = {'User-Agent': 'alexkh'} r = requests.get('http://www.', headers = headers) print r.request.headers['User-Agent'] #alexkh 3.12 持久连接keep-alive
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('http://www.') #200 print get_status('http://www./hi404/') #404 print get_status('http://') #301 print get_status('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN') #302 print get_status('http://www./com8.intre.asp?46981.html') #500 后记
1、官方文档 转载出处:http://www./post/python-requests-install-and-brief-introduction |
|