Python-第三方庫requests詳解
Requests 是用語言編寫,基於 urllib,採用 Apache2 Licensed 開源協議的 HTTP 庫。它比 urllib 更加方便,可以節約我們大量的工作,完全滿足 HTTP 測試需求。Requests 的哲學是以 PEP 20 的習語為中心開發的,所以它比 urllib 更加 Pythoner。更重要的一點是它支援 Python3 哦!
- Beautiful is better than ugly.(美麗優於醜陋)
- Explicit is better than implicit.(清楚優於含糊)
- Simple is better than complex.(簡單優於複雜)
- Complex is better than complicated.(複雜優於繁瑣)
- Readability counts.(重要的是可讀性)
一、安裝 Requests
通過pip安裝
pip install requests
或者,下載程式碼後安裝:
$ git clone git://github.com/kennethreitz/requests.git $ cd requests $ python setup.py install
再懶一點,通過IDE安裝吧,如pycharm!
二、傳送請求與傳遞引數
先來一個簡單的例子吧!讓你瞭解下其威力:
import requests
r = requests.get(url='http://www.itwhy.org') # 最基本的GET請求
print(r.status_code) # 獲取返回狀態
r = requests.get(url='http://dict.baidu.com/s', params={'wd':'python'}) #帶引數的GET請求 print(r.url) print(r.text) #列印解碼後的返回資料
很簡單吧!不但GET方法簡單,其他方法都是統一的介面樣式哦!
requests.get(‘https://github.com/timeline.json’) #GET請求 requests.post(“http://httpbin.org/post”) #POST請求 requests.put(“http://httpbin.org/put”) #PUT請求 requests.delete(“http://httpbin.org/delete”) #DELETE請求 requests.head(“http://httpbin.org/get”) #HEAD請求 requests.options(“http://httpbin.org/get”) #OPTIONS請求
PS:以上的HTTP方法,對於WEB系統一般只支援 GET 和 POST,有一些還支援 HEAD 方法。 帶引數的請求例項:
import requests requests.get('http://www.dict.baidu.com/s', params={'wd': 'python'}) #GET引數例項 requests.post('http://www.itwhy.org/wp-comments-post.php', data={'comment': '測試POST'}) #POST引數例項
POST傳送JSON資料:
import requests import json r = requests.post('https://api.github.com/some/endpoint', data=json.dumps({'some': 'data'})) print(r.json())
定製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物件
使用requests方法後,會返回一個response物件,其儲存了伺服器響應的內容,如上例項中已經提到的 r.text、r.status_code…… 獲取文字方式的響應體例項:當你訪問 r.text 之時,會使用其響應的文字編碼進行解碼,並且你可以修改其編碼讓 r.text 使用自定義的編碼進行解碼。
r = requests.get('http://www.itwhy.org') print(r.text, '\n{}\n'.format('*'*79), r.encoding) r.encoding = 'GBK' print(r.text, '\n{}\n'.format('*'*79), r.encoding)
其他響應:
r.status_code #響應狀態碼 r.raw #返回原始響應體,也就是 urllib 的 response 物件,使用 r.raw.read() 讀取 r.content #位元組方式的響應體,會自動為你解碼 gzip 和 deflate 壓縮 r.text #字串方式的響應體,會自動根據響應頭部的字元編碼進行解碼 r.headers #以字典物件儲存伺服器響應頭,但是這個字典比較特殊,字典鍵不區分大小寫,若鍵不存在則返回None #*特殊方法*# r.json() #Requests中內建的JSON解碼器 r.raise_for_status() #失敗請求(非200響應)丟擲異常
案例之一:
import requests URL = 'http://ip.taobao.com/service/getIpInfo.php' # 淘寶IP地址庫API try: r = requests.get(URL, params={'ip': '8.8.8.8'}, timeout=1) r.raise_for_status() # 如果響應狀態碼不是 200,就主動丟擲異常 except requests.RequestException as e: print(e) else: result = r.json() print(type(result), result, sep='\n')
四、上傳檔案
使用 Requests 模組,上傳檔案也是如此簡單的,檔案的型別會自動進行處理:
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'))} #顯式的設定檔名 r = requests.post(url, files=files) print(r.text)
更加方便的是,你可以把字串當著檔案進行上傳:
import requests url = 'http://127.0.0.1:5000/upload' files = {'file': ('test.txt', b'Hello Requests.')} #必需顯式的設定檔名 r = requests.post(url, files=files) print(r.text)
五、身份驗證
基本身份認證(HTTP Basic Auth):
import requests from 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')) # 簡寫 print(r.json())
另一種非常流行的HTTP身份認證形式是摘要式身份認證,Requests對它的支援也是開箱即可用的:
requests.get(URL, auth=HTTPDigestAuth('user', 'pass'))
六、Cookies與會話物件
如果某個響應中包含一些Cookie,你可以快速訪問它們:
import requests r = requests.get('http://www.google.com.hk/') print(r.cookies['NID']) print(tuple(r.cookies))
要想傳送你的cookies到伺服器,可以使用 cookies 引數:
import requests url = 'http://httpbin.org/cookies' cookies = {'testCookies_1': 'Hello_Python3', 'testCookies_2': 'Hello_Requests'} # 在Cookie Version 0中規定空格、方括號、圓括號、等於號、逗號、雙引號、斜槓、問號、@,冒號,分號等特殊符號都不能作為Cookie的內容。 r = requests.get(url, cookies=cookies) print(r.json())
會話物件讓你能夠跨請求保持某些引數,最方便的是在同一個Session例項發出的所有請求之間保持cookies,且這些都是自動處理的,甚是方便。 下面就來一個真正的例項,如下是快盤簽到指令碼:
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.kuaipan.cn/account_login.htm') _URL = 'http://www.kuaipan.cn/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、超時與異常
timeout 僅對連線過程有效,與響應體的下載無關。
>>> 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顯式丟擲的異常都繼承自 requests.exceptions.RequestException:ConnectionError、HTTPError、Timeout、TooManyRedirects。
轉自
http://www.itwhy.org/%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的一個HTTP客戶端庫,跟urllib,urllib2類似,那為什麼要用requests而不用urllib2呢?官方文件中是這樣說明的:
python的標準庫urllib2提供了大部分需要的HTTP功能,但是API太逆天了,一個簡單的功能就需要一大堆程式碼。
我也看了下requests的文件,確實很簡單,適合我這種懶人。下面就是一些簡單指南。
插播個好訊息!剛看到requests有了中文翻譯版,建議英文不好的看看,內容也比我的部落格好多了,具體連結是:http://cn.python-requests.org/en/latest/(不過是v1.1.0版,另抱歉,之前貼錯連結了)。
1. 安裝
安裝很簡單,我是win系統,就在這裡下載了安裝包(網頁中download the zipball處連結),然後$ python setup.py install
就裝好了。
當然,有easy_install
或pip
的朋友可以直接使用:easy_install requests
或者pip install requests
來安裝。
至於linux使用者,這個頁面還有其他安裝方法。
測試:在IDLE中輸入import requests
,如果沒提示錯誤,那說明已經安裝成功了!
2. 小試牛刀
>>>import requests >>> r = requests.get('http://www.zhidaow.com') # 傳送請求 >>> r.status_code # 返回碼 200 >>> r.headers['content-type'] # 返回頭部資訊 'text/html; charset=utf8' >>> r.encoding # 編碼資訊 'utf-8' >>> r.text #內容部分(PS,由於編碼問題,建議這裡使用r.content) u'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...' ...
是不是很簡單?比urllib2和urllib簡單直觀的多?!那請接著看快速指南吧。
3. 快速指南
3.1 傳送請求
傳送請求很簡單的,首先要匯入requests模組:
>>>import requests
接下來讓我們獲取一個網頁,例如我個人部落格的首頁:
>>>r = requests.get('http://www.zhidaow.com')
接下來,我們就可以使用這個r
的各種方法和函數了。
另外,HTTP請求還有很多型別,比如POST,PUT,DELETE,HEAD,OPTIONS。也都可以用同樣的方式實現:
>>> r = requests.post("http://httpbin.org/post") >>> r = requests.put("http://httpbin.org/put") >>> r = requests.delete("http://httpbin.org/delete") >>> r = requests.head("http://httpbin.org/get") >>> r = requests.options("http://httpbin.org/get")
因為目前我還沒用到這些,所以沒有深入研究。
3.2 在URLs中傳遞引數
有時候我們需要在URL中傳遞引數,比如在採集百度搜索結果時,我們wd引數(搜尋詞)和rn引數(搜素結果數量),你可以手工組成URL,requests也提供了一種看起來很NB的方法:
>>> payload = {'wd': '張亞楠', '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wd=
的亂碼就是“張亞楠”的轉碼形式。(好像引數按照首字母進行了排序。)
3.3 獲取響應內容
可以通過r.text
來獲取網頁的內容。
>>> r = requests.get('https://www.zhidaow.com') >>> r.text u'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...'
文件裡說,requests會自動將內容轉碼。大多數unicode字型都會無縫轉碼。但我在cygwin下使用時老是出現UnicodeEncodeError
錯誤,鬱悶。倒是在python的IDLE中完全正常。
另外,還可以通過r.content
來獲取頁面內容。
>>> r = requests.get('https://www.zhidaow.com') >>> r.content b'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...'
文件中說r.content
是以位元組的方式去顯示,所以在IDLE中以b
開頭。但我在cygwin中用起來並沒有,下載網頁正好。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個功能。)
3.4 獲取網頁編碼
可以使用r.encoding
來獲取網頁編碼。
>>> r = requests.get('http://www.zhidaow.com') >>> r.encoding 'utf-8'
當你傳送請求時,requests會根據HTTP頭部來猜測網頁編碼,當你使用r.text
時,requests就會使用這個編碼。當然你還可以修改requests的編碼形式。
>>> r = requests.get('http://www.zhidaow.com') >>> r.encoding 'utf-8' >>>r.encoding = 'ISO-8859-1'
像上面的例子,對encoding修改後就直接會用修改後的編碼去獲取網頁內容。
3.5 json
像urllib和urllib2,如果用到json,就要引入新模組,如json
和simplejson
,但在requests中已經有了內建的函式,r.json()
。就拿查詢IP的API來說:
>>>r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28') >>>r.json()['data']['country'] '中國'
3.6 網頁狀態碼
我們可以用r.status_code
來檢查網頁的狀態碼。
>>>r = requests.get('http://www.mengtiankong.com') >>>r.status_code 200 >>>r = requests.get('http://www.mengtiankong.com/123123/') >>>r.status_code 404 >>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN') >>>r.url u'http://www.zhidaow.com/ >>>r.status_code 200
前兩個例子很正常,能正常開啟的返回200,不能正常開啟的返回404。但第三個就有點奇怪了,那個是百度搜索結果中的302跳轉地址,但狀態碼顯示是200,接下來我用了一招讓他原形畢露:
>>>r.history (<Response [302]>,)
這裡能看出他是使用了302跳轉。也許有人認為這樣可以通過判斷和正則來獲取跳轉的狀態碼了,其實還有個更簡單的方法:
>>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN', allow_redirects = False) >>>r.status_code 302
只要加上一個引數allow_redirects
,禁止了跳轉,就直接出現跳轉的狀態碼了,好用吧?我也利用這個在最後一掌做了個簡單的獲取網頁狀態碼的小應用,原理就是這個。
3.7 響應頭內容
可以通過r.headers
來獲取響應頭內容。
>>>r = requests.get('http://www.zhidaow.com') >>> 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內容,我們也可以訪問部分內容。
>>> r.headers['Content-Type'] 'text/html; charset=utf-8' >>> r.headers.get('content-type') 'text/html; charset=utf-8'
3.8 設定超時時間
我們可以通過timeout
屬性設定超時時間,一旦超過這個時間還沒獲得響應內容,就會提示錯誤。
>>> 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 代理訪問
採集時為避免被封IP,經常會使用代理。requests也有相應的proxies
屬性。
import requests proxies = { "http": "http://10.10.1.10:3128", "https": "http://10.10.1.10:1080", } requests.get("http://www.zhidaow.com", proxies=proxies)
如果代理需要賬戶和密碼,則需這樣:
proxies = { "http": "http://user:[email protected]:3128/", }
3.10 請求頭內容
請求頭內容可以用r.request.headers
來獲取。
>>> 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 自定義請求頭部
偽裝請求頭部是採集時經常用的,我們可以用這個方法來隱藏:
r = requests.get('http://www.zhidaow.com') 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.zhidaow.com', headers = headers) print r.request.headers['User-Agent'] #alexkh
3.12 持久連線keep-alive
requests的keep-alive是基於urllib3,同一會話內的持久連線完全是自動的。同一會話內的所有請求都會自動使用恰當的連線。
也就是說,你無需任何設定,requests會自動實現keep-alive。
4. 簡單應用
4.1 獲取網頁返回碼
def get_status(url): r = requests.get(url, allow_redirects = False) return r.status_code print get_status('http://www.zhidaow.com') #200 print get_status('http://www.zhidaow.com/hi404/') #404 print get_status('http://mengtiankong.com') #301 print get_status('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN') #302 print get_status('http://www.huiya56.com/com8.intre.asp?46981.html') #500
後記
1、官方文件 requests的具體安裝過程請看:http://docs.python-requests.org/en/latest/user/install.html#install requests的官方指南文件:http://docs.python-requests.org/en/latest/user/quickstart.html requests的高階指南文件:http://docs.python-requests.org/en/latest/user/advanced.html#advanced 2、本文內容部分翻譯自官方文件,部分自己歸納。 3、大多數用的IDLE格式,累死了,下次直接用編輯器格式,這樣更符合我的習慣。 4、還是那句話,有問題留言或email。 5、圖注:requests官方文件上的一隻老鱉。