python爬蟲(chóng)模塊Request的安裝

在cmd中，使用如下指令安裝requests：

pip install requests

python爬蟲(chóng)模塊Request快速上手

Requests 已安裝

Requests 是最新的

Request模塊發(fā)送請(qǐng)求

使用 Requests 發(fā)送網(wǎng)絡(luò)請(qǐng)求非常簡(jiǎn)單。

一開(kāi)始要導(dǎo)入 Requests 模塊：

>>> import requests

然后，嘗試獲取某個(gè)網(wǎng)頁(yè)。本例子中，我們來(lái)獲取 Github 的公共時(shí)間線：

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

現(xiàn)在，我們有一個(gè)名為 r 的 Response 對(duì)象。我們可以從這個(gè)對(duì)象中獲取所有我們想要的信息。

Requests 簡(jiǎn)便的 API 意味著所有 HTTP 請(qǐng)求類(lèi)型都是顯而易見(jiàn)的。例如，你可以這樣發(fā)送一個(gè) HTTP POST 請(qǐng)求：

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

那么其他 HTTP 請(qǐng)求類(lèi)型：PUT，DELETE，HEAD 以及 OPTIONS 又是如何的呢？都是一樣的簡(jiǎn)單：

>>> 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')

Request模塊傳遞URL參數(shù)

你也許經(jīng)常想為 URL 的查詢(xún)字符串(query string)傳遞某種數(shù)據(jù)。如果你是手工構(gòu)建 URL，那么數(shù)據(jù)會(huì)以鍵/值對(duì)的形式置于 URL 中，跟在一個(gè)問(wèn)號(hào)的后面。

例如， httpbin.org/get?key=val。 Requests 允許你使用 params 關(guān)鍵字參數(shù)，以一個(gè)字符串字典來(lái)提供這些參數(shù)。舉例來(lái)說(shuō)，如果你想傳遞 key1=value1 和 key2=value2 到 httpbin.org/get ，那么你可以使用如下代碼：

>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.get("http://httpbin.org/get", params=payload)

通過(guò)打印輸出該 URL，你能看到 URL 已被正確編碼：

>>> print(r.url)
http://httpbin.org/get?key2=value2&key1=value

注意字典里值為 None 的鍵都不會(huì)被添加到 URL 的查詢(xún)字符串里。

你還可以將一個(gè)列表作為值傳入：

>>> payload = {'key1': 'value1', 'key2': ['value2', 'value3']}
>>> r = requests.get('http://httpbin.org/get', params=payload)
>>> print(r.url)
http://httpbin.org/get?key1=value1&key2=value2&key2=value

Request模塊響應(yīng)內(nèi)容

我們能讀取服務(wù)器響應(yīng)的內(nèi)容。再次以 GitHub 時(shí)間線為例：

>>> import requests
>>> r = requests.get('https://api.github.com/events')
>>> r.text
u'[{"repository":{"open_issues":0,"url":"https://github.com/...

Requests會(huì)自動(dòng)解碼來(lái)自服務(wù)器的內(nèi)容。大多數(shù) unicode 字符集都能被無(wú)縫地解碼。

請(qǐng)求發(fā)出后，Requests 會(huì)基于 HTTP 頭部對(duì)響應(yīng)的編碼作出有根據(jù)的推測(cè)。

當(dāng)你訪問(wèn) r.text 之時(shí)，Requests 會(huì)使用其推測(cè)的文本編碼。

你可以找出 Requests 使用了什么編碼，并且能夠使用 r.encoding 屬性來(lái)改變它：

>>> r.encoding
'utf-8'
>>> r.encoding = 'ISO-8859-1'

如果你改變了編碼，每當(dāng)你訪問(wèn) r.text ，Request 都將會(huì)使用 r.encoding 的新值。

你可能希望在使用特殊邏輯計(jì)算出文本的編碼的情況下來(lái)修改編碼。比如 HTTP 和 XML 自身可以指定編碼。這樣的話，你應(yīng)該使用 r.content 來(lái)找到編碼，然后設(shè)置 r.encoding 為相應(yīng)的編碼。這樣就能使用正確的編碼解析 r.text 了。

在你需要的情況下，Requests 也可以使用定制的編碼。如果你創(chuàng)建了自己的編碼，并使用 codecs 模塊進(jìn)行注冊(cè)，你就可以輕松地使用這個(gè)解碼器名稱(chēng)作為 r.encoding 的值， 然后由 Requests 來(lái)為你處理編碼。

Request模塊二進(jìn)制響應(yīng)內(nèi)容

你也能以字節(jié)的方式訪問(wèn)請(qǐng)求響應(yīng)體，對(duì)于非文本請(qǐng)求：

>>> r.content
b'[{"repository":{"open_issues":0,"url":"https://github.com/...

Requests 會(huì)自動(dòng)為你解碼 gzip 和 deflate 傳輸編碼的響應(yīng)數(shù)據(jù)。

例如，以請(qǐng)求返回的二進(jìn)制數(shù)據(jù)創(chuàng)建一張圖片，你可以使用如下代碼：

>>> from PIL import Image
>>> from io import BytesIO
>>> i = Image.open(BytesIO(r.content))

Request模塊JSON 響應(yīng)內(nèi)容

Requests 中也有一個(gè)內(nèi)置的 JSON 解碼器，助你處理 JSON 數(shù)據(jù)：

>>> import requests
>>> r = requests.get('https://api.github.com/events')
>>> r.json()
[{u'repository': {u'open_issues': 0, u'url': 'https://github.com/...

如果 JSON 解碼失敗， r.json() 就會(huì)拋出一個(gè)異常。

例如，響應(yīng)內(nèi)容是 401 (Unauthorized)，嘗試訪問(wèn) r.json() 將會(huì)拋出 ValueError: No JSON object could be decoded 異常。

需要注意的是，成功調(diào)用 r.json() 并不意味著響應(yīng)的成功。

有的服務(wù)器會(huì)在失敗的響應(yīng)中包含一個(gè) JSON 對(duì)象（比如 HTTP 500 的錯(cuò)誤細(xì)節(jié)）。這種 JSON 會(huì)被解碼返回。要檢查請(qǐng)求是否成功，請(qǐng)使用 r.raise_for_status() 或者檢查 r.status_code 是否和你的期望相同。

Request模塊原始響應(yīng)內(nèi)容

在罕見(jiàn)的情況下，你可能想獲取來(lái)自服務(wù)器的原始套接字響應(yīng)，那么你可以訪問(wèn) r.raw。

如果你確實(shí)想這么干，那請(qǐng)你確保在初始請(qǐng)求中設(shè)置了 stream=True。具體你可以這么做：

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

但一般情況下，你應(yīng)該以下面的模式將文本流保存到文件：

with open(filename, 'wb') as fd:
  for chunk in r.iter_content(chunk_size):
    fd.write(chunk)

使用 Response.iter_content 將會(huì)處理大量你直接使用 Response.raw 不得不處理的。 當(dāng)流下載時(shí)，上面是優(yōu)先推薦的獲取內(nèi)容方式。 Note that chunk_size can be freely adjusted to a number that may better fit your use cases.

Request模塊定制請(qǐng)求頭

如果你想為請(qǐng)求添加 HTTP 頭部，只要簡(jiǎn)單地傳遞一個(gè) dict 給 headers 參數(shù)就可以了。

>>> url = 'https://api.github.com/some/endpoint'
>>> headers = {'user-agent': 'my-app/0.0.1'}
>>> r = requests.get(url, headers=headers)

注意: 定制 header 的優(yōu)先級(jí)低于某些特定的信息源，例如：

如果在 .netrc 中設(shè)置了用戶認(rèn)證信息，使用 headers= 設(shè)置的授權(quán)就不會(huì)生效。

如果設(shè)置了 auth= 參數(shù)，.netrc 的設(shè)置就無(wú)效了。

如果被重定向到別的主機(jī)，授權(quán) header 就會(huì)被刪除。

代理授權(quán) header 會(huì)被 URL 中提供的代理身份覆蓋掉。

在我們能判斷內(nèi)容長(zhǎng)度的情況下，header 的 Content-Length 會(huì)被改寫(xiě)。

更進(jìn)一步講，Requests 不會(huì)基于定制 header 的具體情況改變自己的行為。只不過(guò)在最后的請(qǐng)求中，所有的 header 信息都會(huì)被傳遞進(jìn)去。

注意: 所有的 header 值必須是 string、bytestring 或者 unicode。盡管傳遞 unicode header 也是允許的，但不建議這樣做。

Request模塊更加復(fù)雜的 POST 請(qǐng)求

通常，你想要發(fā)送一些編碼為表單形式的數(shù)據(jù)——非常像一個(gè) HTML 表單。

要實(shí)現(xiàn)這個(gè)，只需簡(jiǎn)單地傳遞一個(gè)字典給 data 參數(shù)。你的數(shù)據(jù)字典在發(fā)出請(qǐng)求時(shí)會(huì)自動(dòng)編碼為表單形式：

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

你還可以為 data 參數(shù)傳入一個(gè)元組列表。

在表單中多個(gè)元素使用同一 key 的時(shí)候，這種方式尤其有效：

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

很多時(shí)候你想要發(fā)送的數(shù)據(jù)并非編碼為表單形式的。

如果你傳遞一個(gè) string 而不是一個(gè) dict，那么數(shù)據(jù)會(huì)被直接發(fā)布出去。

例如，Github API v3 接受編碼為 JSON 的 POST/PATCH 數(shù)據(jù)：

>>> import json
>>> url = 'https://api.github.com/some/endpoint'
>>> payload = {'some': 'data'}
>>> r = requests.post(url, data=json.dumps(payload))

此處除了可以自行對(duì) dict 進(jìn)行編碼，你還可以使用 json 參數(shù)直接傳遞，然后它就會(huì)被自動(dòng)編碼

這是 2.4.2 版的新加功能：

>>> url = 'https://api.github.com/some/endpoint'
>>> payload = {'some': 'data'}
>>> r = requests.post(url, json=payload)

POST一個(gè)多部分編碼(Multipart-Encoded)的文件

Requests 使得上傳多部分編碼文件變得很簡(jiǎn)單：

>>> url = 'http://httpbin.org/post'
>>> files = {'file': open('report.xls', 'rb')}
>>> r = requests.post(url, files=files)
>>> r.text
{
 ...
 "files": {
  "file": "<censored...binary...data>"
 },
 ...
}

你可以顯式地設(shè)置文件名，文件類(lèi)型和請(qǐng)求頭：

>>> url = 'http://httpbin.org/post'
>>> files = {'file': ('report.xls', open('report.xls', 'rb'), 'application/vnd.ms-excel', {'Expires': '0'})}
>>> r = requests.post(url, files=files)
>>> r.text
{
 ...
 "files": {
  "file": "<censored...binary...data>"
 },
 ...
}

如果你想，你也可以發(fā)送作為文件來(lái)接收的字符串：

>>> url = 'http://httpbin.org/post'
>>> files = {'file': ('report.csv', 'some,data,to,send\nanother,row,to,send\n')}
>>> r = requests.post(url, files=files)
>>> r.text
{
 ...
 "files": {
  "file": "some,data,to,send\\nanother,row,to,send\\n"
 },
 ...
}

如果你發(fā)送一個(gè)非常大的文件作為 multipart/form-data 請(qǐng)求，你可能希望將請(qǐng)求做成數(shù)據(jù)流。默認(rèn)下 requests 不支持, 但有個(gè)第三方包 requests-toolbelt 是支持的。你可以閱讀 toolbelt 文檔 來(lái)了解使用方法。

在一個(gè)請(qǐng)求中發(fā)送多文件參考 高級(jí)用法 一節(jié)。

Request模塊警告

我們強(qiáng)烈建議你用二進(jìn)制模式(binary mode)打開(kāi)文件。這是因?yàn)?Requests 可能會(huì)試圖為你提供 Content-Length header，在它這樣做的時(shí)候，這個(gè)值會(huì)被設(shè)為文件的字節(jié)數(shù)（bytes）。如果用文本模式(text mode)打開(kāi)文件，就可能會(huì)發(fā)生錯(cuò)誤。

Request模塊響應(yīng)狀態(tài)碼

我們可以檢測(cè)響應(yīng)狀態(tài)碼：

>>> r = requests.get('http://httpbin.org/get')
>>> r.status_code
200

為方便引用，Requests還附帶了一個(gè)內(nèi)置的狀態(tài)碼查詢(xún)對(duì)象：

>>> r.status_code == requests.codes.ok
True

如果發(fā)送了一個(gè)錯(cuò)誤請(qǐng)求(一個(gè)4XX客戶端錯(cuò)誤，或者5XX服務(wù)器錯(cuò)誤響應(yīng))

我們可以通過(guò) Response.raise_for_status() 來(lái)拋出異常：

>>> bad_r = requests.get('http://httpbin.org/status/404')
>>> bad_r.status_code
404
>>> bad_r.raise_for_status()
Traceback (most recent call last):
 File "requests/models.py", line 832, in raise_for_status
  raise http_error
requests.exceptions.HTTPError: 404 Client Error

Request模塊響應(yīng)頭

我們可以查看以一個(gè) Python 字典形式展示的服務(wù)器響應(yīng)頭：

>>> r.headers
{
  'content-encoding': 'gzip',
  'transfer-encoding': 'chunked',
  'connection': 'close',
  'server': 'nginx/1.0.4',
  'x-runtime': '148ms',
  'etag': '"e1ca502697e5c9317743dc078f67693f"',
  'content-type': 'application/json'
}

但是這個(gè)字典比較特殊：它是僅為 HTTP 頭部而生的。根據(jù) RFC 2616， HTTP 頭部是大小寫(xiě)不敏感的。

因此，我們可以使用任意大寫(xiě)形式來(lái)訪問(wèn)這些響應(yīng)頭字段：

>>> r.headers['Content-Type']
'application/json'
>>> r.headers.get('content-type')
'application/json'

它還有一個(gè)特殊點(diǎn)，那就是服務(wù)器可以多次接受同一header，每次都使用不同的值。但Requests會(huì)將它們合并，這樣它們就可以用一個(gè)映射來(lái)表示出來(lái)，接收者可以合并多個(gè)相同名稱(chēng)的 header 欄位，把它們合為一個(gè) “field-name: field-value” 配對(duì)，將每個(gè)后續(xù)的欄位值依次追加到合并的欄位值中，用逗號(hào)隔開(kāi)即可，這樣做不會(huì)改變信息的語(yǔ)義。

Request模塊Cookie

如果某個(gè)響應(yīng)中包含一些 cookie，你可以快速訪問(wèn)它們：

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

要想發(fā)送你的cookies到服務(wù)器，可以使用 cookies 參數(shù)：

>>> url = 'http://httpbin.org/cookies'
>>> cookies = dict(cookies_are='working')
>>> r = requests.get(url, cookies=cookies)
>>> r.text
'{"cookies": {"cookies_are": "working"}}'

Cookie 的返回對(duì)象為 RequestsCookieJar，它的行為和字典類(lèi)似，但接口更為完整，適合跨域名跨路徑使用。你還可以把 Cookie Jar 傳到 Requests 中：

>>> jar = requests.cookies.RequestsCookieJar()
>>> jar.set('tasty_cookie', 'yum', domain='httpbin.org', path='/cookies')
>>> jar.set('gross_cookie', 'blech', domain='httpbin.org', path='/elsewhere')
>>> url = 'http://httpbin.org/cookies'
>>> r = requests.get(url, cookies=jar)
>>> r.text
'{"cookies": {"tasty_cookie": "yum"}}'

Request模塊重定向與請(qǐng)求歷史

默認(rèn)情況下，除了 HEAD, Requests 會(huì)自動(dòng)處理所有重定向。

可以使用響應(yīng)對(duì)象的 history 方法來(lái)追蹤重定向。

Response.history 是一個(gè) Response 對(duì)象的列表，為了完成請(qǐng)求而創(chuàng)建了這些對(duì)象。這個(gè)對(duì)象列表按照從最老到最近的請(qǐng)求進(jìn)行排序。

例如，Github 將所有的 HTTP 請(qǐng)求重定向到 HTTPS：

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

如果你使用的是GET、OPTIONS、POST、PUT、PATCH或者DELETE

那么你可以通過(guò) allow_redirects 參數(shù)禁用重定向處理：

>>> r = requests.get('http://github.com', allow_redirects=False)
>>> r.status_code
301
>>> r.history
[]

如果你使用了 HEAD，你也可以啟用重定向：

>>> r = requests.head('http://github.com', allow_redirects=True)
>>> r.url
'https://github.com/'
>>> r.history
[<Response [301]>]

Request模塊超時(shí)

你可以告訴 requests 在經(jīng)過(guò)以 timeout 參數(shù)設(shè)定的秒數(shù)時(shí)間之后停止等待響應(yīng)?；旧纤械纳a(chǎn)代碼都應(yīng)該使用這一參數(shù)。如果不使用，你的程序可能會(huì)永遠(yuǎn)失去響應(yīng)：

>>> 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)

注意timeout 僅對(duì)連接過(guò)程有效，與響應(yīng)體的下載無(wú)關(guān)。 timeout 并不是整個(gè)下載響應(yīng)的時(shí)間限制，而是如果服務(wù)器在 timeout 秒內(nèi)沒(méi)有應(yīng)答，將會(huì)引發(fā)一個(gè)異常（更精確地說(shuō)，是在 timeout 秒內(nèi)沒(méi)有從基礎(chǔ)套接字上接收到任何字節(jié)的數(shù)據(jù)時(shí)）If no timeout is specified explicitly, requests do not time out.

Request模塊錯(cuò)誤與異常

• 遇到網(wǎng)絡(luò)問(wèn)題（如：DNS 查詢(xún)失敗、拒絕連接等）時(shí)，Requests 會(huì)拋出一個(gè) ConnectionError 異常。
• 如果 HTTP 請(qǐng)求返回了不成功的狀態(tài)碼， Response.raise_for_status() 會(huì)拋出一個(gè) HTTPError 異常。
• 若請(qǐng)求超時(shí)，則拋出一個(gè) Timeout 異常。
• 若請(qǐng)求超過(guò)了設(shè)定的最大重定向次數(shù)，則會(huì)拋出一個(gè) TooManyRedirects 異常。
• 所有Requests顯式拋出的異常都繼承自 requests.exceptions.RequestException 。

Request模塊代理

如果需要使用代理，你可以通過(guò)為任意請(qǐng)求方法提供 proxies 參數(shù)來(lái)配置單個(gè)請(qǐng)求:

import requests
proxies = {
 "http": "http://10.10.1.10:3128",
 "https": "http://10.10.1.10:1080",
}
requests.get("http://example.org", proxies=proxies)

你也可以通過(guò)環(huán)境變量 HTTP_PROXY 和 HTTPS_PROXY 來(lái)配置代理。

$ export HTTP_PROXY="http://10.10.1.10:3128"
$ export HTTPS_PROXY="http://10.10.1.10:1080"
$ python
>>> import requests
>>> requests.get("http://example.org")

若你的代理需要使用HTTP Basic Auth，可以使用 http://user:password@host/ 語(yǔ)法：

proxies = {
  "http": "http://user:pass@10.10.1.10:3128/",
}

要為某個(gè)特定的連接方式或者主機(jī)設(shè)置代理，使用 scheme://hostname 作為 key， 它會(huì)針對(duì)指定的主機(jī)和連接方式進(jìn)行匹配。

proxies = {'http://10.20.1.128': 'http://10.10.1.10:5323'}

注意，代理 URL 必須包含連接方式。

至此python爬蟲(chóng)模塊Request從安裝到詳細(xì)使用方法與實(shí)例全解基本就結(jié)束了，更多關(guān)于python爬蟲(chóng)模塊Request的使用方法與實(shí)例請(qǐng)查看下面的相關(guān)鏈接

最新評(píng)論