python爬蟲模組Request的安裝

在cmd中，使用如下指令安裝requests：

pip install requests

python爬蟲模組Request快速上手

Requests 已安裝

Requests 是最新的

Request模組傳送請求

使用 Requests 傳送網路請求非常簡單。

一開始要匯入 Requests 模組：

>>> import requests

然後，嘗試獲取某個網頁。本例子中，我們來獲取 Github 的公共時間線：

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

現在，我們有一個名為 r 的 Response 物件。我們可以從這個物件中獲取所有我們想要的資訊。

Requests 簡便的 API 意味著所有 HTTP 請求型別都是顯而易見的。例如，你可以這樣傳送一個 HTTP POST 請求：

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

那麼其他 HTTP 請求型別：PUT，DELETE，HEAD 以及 OPTIONS 又是如何的呢？都是一樣的簡單：

>>> 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模組傳遞URL引數

你也許經常想為 URL 的查詢字串(query string)傳遞某種資料。如果你是手工構建 URL，那麼資料會以鍵/值對的形式置於 URL 中，跟在一個問號的後面。

例如， httpbin.org/get?key=val。 Requests 允許你使用 params 關鍵字引數，以一個字串字典來提供這些引數。舉例來說，如果你想傳遞 key1=value1 和 key2=value2 到 httpbin.org/get ，那麼你可以使用如下程式碼：

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

通過列印輸出該 URL，你能看到 URL 已被正確編碼：

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

注意字典裡值為 None 的鍵都不會被新增到 URL 的查詢字串裡。

你還可以將一個列表作為值傳入：

>>> 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模組響應內容

我們能讀取伺服器響應的內容。再次以 GitHub 時間線為例：

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

Requests會自動解碼來自伺服器的內容。大多數 unicode 字符集都能被無縫地解碼。

請求發出後，Requests 會基於 HTTP 頭部對響應的編碼作出有根據的推測。

當你訪問 r.text 之時，Requests 會使用其推測的文字編碼。

你可以找出 Requests 使用了什麼編碼，並且能夠使用 r.encoding 屬性來改變它：

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

如果你改變了編碼，每當你訪問 r.text ，Request 都將會使用 r.encoding 的新值。

你可能希望在使用特殊邏輯計算出文字的編碼的情況下來修改編碼。比如 HTTP 和 XML 自身可以指定編碼。這樣的話，你應該使用 r.content 來找到編碼，然後設定 r.encoding 為相應的編碼。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 也可以使用定製的編碼。如果你建立了自己的編碼，並使用 codecs 模組進行註冊，你就可以輕鬆地使用這個解碼器名稱作為 r.encoding 的值， 然後由 Requests 來為你處理編碼。

Request模組二進位制響應內容

你也能以位元組的方式訪問請求響應體，對於非文字請求：

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

Requests 會自動為你解碼 gzip 和 deflate 傳輸編碼的響應資料。

例如，以請求返回的二進位制資料建立一張圖片，你可以使用如下程式碼：

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

Request模組JSON 響應內容

Requests 中也有一個內建的 JSON 解碼器，助你處理 JSON 資料：

>>> 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() 就會丟擲一個異常。

例如，響應內容是 401 (Unauthorized)，嘗試訪問 r.json() 將會丟擲 ValueError: No JSON object could be decoded 異常。

需要注意的是，成功呼叫 r.json() 並不意味著響應的成功。

有的伺服器會在失敗的響應中包含一個 JSON 物件（比如 HTTP 500 的錯誤細節）。這種 JSON 會被解碼返回。要檢查請求是否成功，請使用 r.raise_for_status() 或者檢查 r.status_code 是否和你的期望相同。

Request模組原始響應內容

在罕見的情況下，你可能想獲取來自伺服器的原始套接字響應，那麼你可以訪問 r.raw。

如果你確實想這麼幹，那請你確保在初始請求中設定了 stream=True。具體你可以這麼做：

>>> 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，你應該以下面的模式將文字流儲存到檔案：

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

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

Request模組定製請求頭

如果你想為請求新增 HTTP 頭部，只要簡單地傳遞一個 dict 給 headers 引數就可以了。

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

注意: 定製 header 的優先順序低於某些特定的資訊源，例如：

如果在 .netrc 中設定了使用者認證資訊，使用 headers= 設定的授權就不會生效。

如果設定了 auth= 引數，.netrc 的設定就無效了。

如果被重定向到別的主機，授權 header 就會被刪除。

代理授權 header 會被 URL 中提供的代理身份覆蓋掉。

在我們能判斷內容長度的情況下，header 的 Content-Length 會被改寫。

更進一步講，Requests 不會基於定製 header 的具體情況改變自己的行為。只不過在最後的請求中，所有的 header 資訊都會被傳遞進去。

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

Request模組更加複雜的 POST 請求

通常，你想要傳送一些編碼為表單形式的資料——非常像一個 HTML 表單。

要實現這個，只需簡單地傳遞一個字典給 data 引數。你的資料字典在發出請求時會自動編碼為表單形式：

>>> 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 引數傳入一個元組列表。

在表單中多個元素使用同一 key 的時候，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"
  ]
 },...
}

很多時候你想要傳送的資料並非編碼為表單形式的。

如果你傳遞一個 string 而不是一個 dict，那麼資料會被直接釋出出去。

例如，Github API v3 接受編碼為 JSON 的 POST/PATCH 資料：

>>> 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 dict 進行編碼，你還可以使用 json 引數直接傳遞，然後它就會被自動編碼

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一個多部分編碼(Multipart-Encoded)的檔案

Requests 使得上傳多部分編碼檔案變得很簡單：

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

你可以顯式地設定檔名，檔案型別和請求頭：

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

如果你想，你也可以傳送作為檔案來接收的字串：

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

如果你傳送一個非常大的檔案作為 multipart/form-data 請求，你可能希望將請求做成資料流。預設下 requests 不支援,但有個第三方包 requests-toolbelt 是支援的。你可以閱讀 toolbelt 文件 來了解使用方法。

在一個請求中傳送多檔案參考 高階用法 一節。

Request模組警告

我們強烈建議你用二進位制模式(binary mode)開啟檔案。這是因為 Requests 可能會試圖為你提供 Content-Length header，在它這樣做的時候，這個值會被設為檔案的位元組數（bytes）。如果用文字模式(text mode)開啟檔案，就可能會發生錯誤。

Request模組響應狀態碼

我們可以檢測響應狀態碼：

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

為方便引用，Requests還附帶了一個內建的狀態碼查詢物件：

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

如果傳送了一個錯誤請求(一個4XX客戶端錯誤，或者5XX伺服器錯誤響應)

我們可以通過 Response.raise_for_status() 來丟擲異常：

>>> 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模組響應頭

我們可以檢視以一個 Python 字典形式展示的伺服器響應頭：

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

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

因此，我們可以使用任意大寫形式來訪問這些響應頭欄位：

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

它還有一個特殊點，那就是伺服器可以多次接受同一header，每次都使用不同的值。但Requests會將它們合併，這樣它們就可以用一個對映來表示出來，接收者可以合併多個相同名稱的 header 欄位，把它們合為一個 “field-name: field-value” 配對，將每個後續的欄位值依次追加到合併的欄位值中，用逗號隔開即可，這樣做不會改變資訊的語義。

Request模組Cookie

如果某個響應中包含一些 cookie，你可以快速訪問它們：

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

要想傳送你的cookies到伺服器，可以使用 cookies 引數：

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

Cookie 的返回物件為 RequestsCookieJar，它的行為和字典類似，但介面更為完整，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',path='/elsewhere')
>>> url = 'http://httpbin.org/cookies'
>>> r = requests.get(url,cookies=jar)
>>> r.text
'{"cookies": {"tasty_cookie": "yum"}}'

Request模組重定向與請求歷史

預設情況下，除了 HEAD,Requests 會自動處理所有重定向。

可以使用響應物件的 history 方法來追蹤重定向。

Response.history 是一個 Response 物件的列表，為了完成請求而建立了這些物件。這個物件列表按照從最老到最近的請求進行排序。

例如，Github 將所有的 HTTP 請求重定向到 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

那麼你可以通過 allow_redirects 引數禁用重定向處理：

>>> 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模組超時

你可以告訴 requests 在經過以 timeout 引數設定的秒數時間之後停止等待響應。基本上所有的生產程式碼都應該使用這一引數。如果不使用，你的程式可能會永遠失去響應：

>>> 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 僅對連線過程有效，與響應體的下載無關。 timeout 並不是整個下載響應的時間限制，而是如果伺服器在 timeout 秒內沒有應答，將會引發一個異常（更精確地說，是在 timeout 秒內沒有從基礎套接字上接收到任何位元組的資料時）If no timeout is specified explicitly,requests do not time out.

Request模組錯誤與異常

• 遇到網路問題（如：DNS 查詢失敗、拒絕連線等）時，Requests 會丟擲一個 ConnectionError 異常。
• 如果 HTTP 請求返回了不成功的狀態碼， Response.raise_for_status() 會丟擲一個 HTTPError 異常。
• 若請求超時，則丟擲一個 Timeout 異常。
• 若請求超過了設定的最大重定向次數，則會丟擲一個 TooManyRedirects 異常。
• 所有Requests顯式丟擲的異常都繼承自 requests.exceptions.RequestException 。

Request模組代理

如果需要使用代理，你可以通過為任意請求方法提供 proxies 引數來配置單個請求:

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

你也可以通過環境變數 HTTP_PROXY 和 HTTPS_PROXY 來配置代理。

$ 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/ 語法：

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

要為某個特定的連線方式或者主機設定代理，使用 scheme://hostname 作為 key， 它會針對指定的主機和連線方式進行匹配。

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

注意，代理 URL 必須包含連線方式。

至此python爬蟲模組Request從安裝到詳細使用方法與例項全解基本就結束了，更多關於python爬蟲模組Request的使用方法與例項請檢視下面的相關連結