Python Requests Libraries

「爱情、让人受尽委屈。」 2022-06-11 07:46 110阅读 0赞

requests是一个很实用的Python HTTP客户端库，编写爬虫和测试服务器响应数据时经常会用到。可以说，Requests 完全满足如今网络的需求

--------------------

## **发送请求与传递参数** ##

先来一个简单的例子  
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

输出：  
u’[http://www.baidu.com/s?rn=100&wd=%E5%BC%A0%E4%BA%9A%E6%A5%A0][http_www.baidu.com_s_rn_100_wd_E5_BC_A0_E4_BA_9A_E6_A5_A0]’  
上面wd=的乱码就是“张亚楠”的转码形式。（好像参数按照首字母进行了排序。）

--------------------

## **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……  
获取文本方式的响应体实例：当你访问 r.text 之时，会使用其响应的文本编码进行解码，并且你可以修改其编码让 r.text 使用自定义的编码进行解码。

r = requests.get('http://www.baidu.com')
    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：

r.status_code #响应状态码
    r.raw #返回原始响应体，也就是 urllib 的 response 对象，使用 r.raw.read() 读取
    r.content #字节方式的响应体，会自动为你解码 gzip 和 deflate 压缩
    r.text #字符串方式的响应体，会自动根据响应头部的字符编码进行解码,返回headers中的编码解析的结果
    r.headers #以字典对象存储服务器响应头，但是这个字典比较特殊，字典键不区分大小写，若键不存在则返回None
    #*特殊方法*#
    r.json() #Requests中内置的JSON解码器
    r.raise_for_status() #失败请求(非200响应)抛出异常

--------------------

## **获取网页编码** ##

可以使用r.encoding来获取网页编码。

r = requests.get('http://www.zhidaow.com')
    print r.encoding
    
    #输出'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.text时，requests就会使用这个编码。当然你还可以修改requests的编码形式。

r = requests.get('http://www.zhidaow.com')
    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。

--------------------

## **json** ##

就要引入新模块，如json和simplejson，但在requests中已经有了内置的函数，r.json()。就拿查询IP的API来说：

import requests
    import json
    
    r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')
    print r.json()['data']['country']

输出： 中国

如果 JSON 解码失败， r.json() 就会抛出一个异常。例如，响应内容是 401 (Unauthorized)，尝试访问 r.json() 将会抛出 ValueError: No JSON object could be decoded 异常。

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。

--------------------

## **网页状态码** ##

我们可以用r.status\_code来检查网页的状态码。

r = requests.get('http://www.mengtiankong.com')
    print r.status_code
    #输出 200
    r = requests.get('http://www.mengtiankong.com/123123/')
    print r.status_code
    #输出 404
    r=requests.get('http://www.baidu.com/linkurl=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN')
    print r.url
    #输出 u'http://www.zhidaow.com/
    print r.status_code
    #输出 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：

print r.history
    #输出 (<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)
    
    print r.status_code
    #输出 302

只要加上一个参数allow\_redirects，禁止了跳转，就直接出现跳转的状态码了，好用吧？我也利用这个在最后一掌做了个简单的获取网页状态码的小应用，原理就是这个。

--------------------

## **响应头内容** ##

可以通过r.headers来获取响应头内容。

r = requests.get('http://www.baidu.com')
    print r.headers

输出：  
\{  
‘content-encoding’: ‘gzip’,  
‘transfer-encoding’: ‘chunked’,  
‘Set-Cookie’: ‘BDORZ=27315  
‘Transfer-Encoding’: ‘chunked’, ;  
max-age=86400;  
domain=.baidu.com  
…  
\}  
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-encoding']
    #输出： gzip
    
    r.headers.get('content-encoding')
    #输出： gzip

--------------------

## **请求头内容** ##

请求头内容可以用r.request.headers来获取。

r.request.headers

输出：  
\{‘Accept-Encoding’: ‘identity, deflate, compress, gzip’,  
‘Accept’: ‘*/*‘, ‘User-Agent’: ‘python-requests/1.2.3 CPython/2.7.3 Windows/XP’\}

--------------------

## **设置超时时间** ##

我们可以通过timeout属性设置超时时间，一旦超过这个时间还没获得响应内容，就会提示错误。

requests.get('http://github.com', timeout=0.001)

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（更精确地说，是在 timeout 秒内没有从基础套接字上接收到任何字节的数据时）

--------------------

## **Cookie** ##

如果某个响应中包含一些 cookie，你可以快速访问它们：

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

要想发送你的cookies到服务器，可以使用 cookies 参数：

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

Cookie 的返回对象为 RequestsCookieJar，它的行为和字典类似，但界面更为完整，适合跨域名跨路径使用。你还可以把 Cookie Jar 传到 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) print r.text #输出 '{"cookies": {"tasty_cookie": "yum"}}'

--------------------

## **错误与异常** ##

遇到网络问题（如：DNS 查询失败、拒绝连接等）时，Requests 会抛出一个 ConnectionError 异常。

如果 HTTP 请求返回了不成功的状态码， Response.raise\_for\_status() 会抛出一个 HTTPError 异常。

若请求超时，则抛出一个 Timeout 异常。

若请求超过了设定的最大重定向次数，则会抛出一个 TooManyRedirects 异常。

所有Requests显式抛出的异常都继承自 requests.exceptions.RequestException 。

[http_www.baidu.com_s_rn_100_wd_E5_BC_A0_E4_BA_9A_E6_A5_A0]: http://www.baidu.com/s?rn=100&wd=%E5%BC%A0%E4%BA%9A%E6%A5%A0