第一章 Requests库入门

1. 使用命令行安装：

pip install requests

2. Requests库的7个主要方法

方法	说明
requests.request()	构造一个请求，支撑以下各方法的基础方法
requests.get()	获取HTML网页的主要方法,对应于HTTP的GET
requests.head()	获取HTML网页头信息的方法,对应于HTTP的HEAD
requests.post()	向HTML网页提交POST请求的方法,对应于HTTP的POST
requests.put()	向HTML网页提交PUT请求的方法,对应于HTTP的PUT
requests.patch()	向HTML网页提交局部请求,对应于HTTP的PATCH
requests.delete()	向HTML页面提交删除请求,对应于HTTP的DELETE

2.1 requests.get()

requests.get(url,params=None,**kwargs)

url :拟获取页面的url链接
params :url中的额外参数，字典或字节流格式，可选
**kwargs :12个控制访问的参数

该方法返回一个Response对象。

2.2 requests.head()

requests.head(url,**kwargs)

url :拟获取页面的url链接
**kwargs :12个控制访问的参数

r = requests.head(‘http://www.baidu.com‘)
r.headers
{
‘Server’: ‘bfe/1.0.8.18’, ‘Date’: ‘Wed, 29 Mar 2017 15:51:08 GMT’, ‘Content-Type’: ‘text/html’, ‘Last-Modified’: ‘Mon, 13 Jun 2016 02:50:06 GMT’, ‘Connection’: ‘Keep-Alive’, ‘Cache-Control’: ‘private, no-cache, no-store, proxy-revalidate, no-transform’, ‘Pragma’: ‘no-cache’, ‘Content-Encoding’: ‘gzip’}
r.text
‘’

2.3 requests.post()

requests.post(url, data=None, json=None, **kwargs)

url :拟获取页面的url链接
data :字典、字节序列或文件，Request的内容
json :JSON格式的数据，Request的内容
**kwargs :12个控制访问的参数
向URL POST一个字典自动编码为form（表单）
playload = {
‘key1’:’value1’,’ley2’:’value2’}
r = requests.post(‘http://httpbin.org/post',data = playload)
print(r.text)
{…
“form”: {
```
"key1": "value1", 
"ley2": "value2"
```
}
…
}

向URL POST一个字符串自动编码为data
r = requests.post(‘http://httpbin.org/post‘, data = ‘ABC’)
print(r.text)
{ …
“data”: “ABC”
“form”: {},
}

2.4 requests.put()

requests.put(url, data=None, **kwargs)

url :拟获取页面的url链接
data :字典、字节序列或文件，Request的内容
**kwargs :12个控制访问的参数

payload = {
‘key1’: ‘value1’, ‘key2’: ‘value2’}
r = requests.put(‘http://httpbin.org/put‘, data = payload)
print(r.text)
{ …
“form”: {
“key2”: “value2”,
“key1”: “value1”
},
}

2.5 requests.patch()

requests.patch(url, data=None, **kwargs)

url :拟获取页面的url链接
data :字典、字节序列或文件，Request的内容
**kwargs :12个控制访问的参数

2.6 requests.delete()

requests.delete(url, **kwargs)

url :拟获取页面的url链接
**kwargs :12个控制访问的参数

2.7 理解PATCH和PUT分的区别

假设URL位置有一组数据UserInfo，包括UserID、UserName等20个字段
需求：用户修改了UserName，其他不变

采用PATCH，仅向URL提交UserName的局部更新请求
采用PUT，必须将所有20个字段一并提交到URL，未提交字段被删除

PATCH的最主要好处： 节省网络带宽

3. Response对象

>>> import requests
>>> r = requests.get('http://www.baidu.com')
>>> print(r.status_code)
200
>>> type(r)
<class 'requests.models.Response'> >>> r.headers {'Server': 'bfe/1.0.8.18', 'Date': 'Wed, 29 Mar 2017 15:23:34 GMT', 'Content-Type': 'text/html', 'Last-Modified': 'Mon, 23 Jan 2017 13:27:32 GMT', 'Transfer-Encoding': 'chunked', 'Connection': 'Keep-Alive', 'Cache-Control': 'private, no-cache, no-store, proxy-revalidate, no-transform', 'Pragma': 'no-cache', 'Set-Cookie': 'BDORZ=27315; max-age=86400; domain=.baidu.com; path=/', 'Content-Encoding': 'gzip'}

Response兑现包含服务器返回的所有信息，也包含请求的Requests信息。

3.1 Response对象的属性

属性	说明
r.status_code	HTTP请求的返回状态，200表示连接成功，404表示失败
r.text	HTTP响应内容的字符串形式，即，url对应的页面内容
r.encoding	header中猜测的响应内容编码方式
r.apparent_encoding	从内容中分析出的响应内容编码方式（备选编码方式）
r.content	HTTP响应内容的二进制形式

>>> r = requests.get('http://www.baidu.com')
>>> r.status_code
200
>>> r.text
'<!DOCTYPE html>\r\n<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css><title>?\x99??o|??\x80??\x8b??\x8c??\xa0?°±?\x9f￥é\x81\x93</title></head>... >>> r.encoding 'ISO-8859-1' >>> r.apparent_encoding 'utf-8' >>> r.encoding = 'utf-8' >>> r.text '<!DOCTYPE html>\r\n<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css><title>百度一下，你就知道</title></head>...

r.encoding：如果header中不存在charset，则认为编码为ISO‐8859‐1。r.text根据r.encoding显示网页内容
r.apparent_encoding：根据网页内容分析出的编码方式
可以看作是r.encoding的备选

4. 异常

4.1 Requests库的异常

异常	说明
requests.ConnectionError	网络连接错误异常，如DNS查询失败、拒绝连接等
requests.HTTPError	HTTP错误异常
requests.URLRequired	URL缺失异常
requests.TooManyRedirects	超过最大重定向次数，产生重定向异常
requests.ConnectTimeout	连接远程服务器超时异常
requests.Timeout	请求URL超时，产生超时异常

4.2 Response的异常

异常	说明
r.raise_for_status()	如果不是200，产生异常 requests.HTTPError

raise_for_status()在方法内部判断r.status_code是否等于200，不需要增加额外的if语句，该语句便于利用try‐except进行异常处理。

5. 爬取网页的通用代码框架

import requests
def getHTMLText(url):
    try:
        r = requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return '产生异常'
if __name__ == '__main__':
    url = 'http://www.baidu.com'
    print(getHTMLText(url))