python爬蟲模塊Request的安裝

在cmd中，使用如下指令安裝requests：

pip install requests

python爬蟲模塊Request快速上手

Requests 已安裝

Requests 是最新的

Request模塊發(fā)送請求

使用 Requests 發(fā)送網絡請求非常簡單。

一開始要導入 Requests 模塊：

>>> import requests

然后，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(xiàn)在，我們有一個名為 r 的 Response 對象。我們可以從這個對象中獲取所有我們想要的信息。

Requests 簡便的 API 意味著所有 HTTP 請求類型都是顯而易見的。例如，你可以這樣發(fā)送一個 HTTP POST 請求：

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

那么其他 HTTP 請求類型：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模塊傳遞URL參數(shù)

你也許經常想為 URL 的查詢字符串(query string)傳遞某種數(shù)據(jù)。如果你是手工構建 URL，那么數(shù)據(jù)會以鍵/值對的形式置于 URL 中，跟在一個問號的后面。

例如， httpbin.org/get?key=val。 Requests 允許你使用 params 關鍵字參數(shù)，以一個字符串字典來提供這些參數(shù)。舉例來說，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 的鍵都不會被添加到 URL 的查詢字符串里。

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模塊響應內容

我們能讀取服務器響應的內容。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會自動解碼來自服務器的內容。大多數(shù) unicode 字符集都能被無縫地解碼。

請求發(fā)出后，Requests 會基于 HTTP 頭部對響應的編碼作出有根據(jù)的推測。

當你訪問 r.text 之時，Requests 會使用其推測的文本編碼。

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本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，然后設置 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 也可以使用定制的編碼。如果你創(chuàng)建了自己的編碼，并使用 codecs 模塊進行注冊，你就可以輕松地使用這個解碼器名稱作為 r.encoding 的值， 然后由 Requests 來為你處理編碼。

Request模塊二進制響應內容

你也能以字節(jié)的方式訪問請求響應體，對于非文本請求：

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

Requests 會自動為你解碼 gzip 和 deflate 傳輸編碼的響應數(shù)據(jù)。

例如，以請求返回的二進制數(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 響應內容

Requests 中也有一個內置的 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() 就會拋出一個異常。

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

需要注意的是，成功調用 r.json() 并不意味著響應的成功。

有的服務器會在失敗的響應中包含一個 JSON 對象（比如 HTTP 500 的錯誤細節(jié)）。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模塊原始響應內容

在罕見的情況下，你可能想獲取來自服務器的原始套接字響應，那么你可以訪問 r.raw。

如果你確實想這么干，那請你確保在初始請求中設置了 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(yōu)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模塊定制請求頭

如果你想為請求添加 HTTP 頭部，只要簡單地傳遞一個 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)先級低于某些特定的信息源，例如：

如果在 .netrc 中設置了用戶認證信息，使用 headers= 設置的授權就不會生效。

如果設置了 auth= 參數(shù)，.netrc 的設置就無效了。

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 不會基于定制 header 的具體情況改變自己的行為。只不過在最后的請求中，所有的 header 信息都會被傳遞進去。

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模塊更加復雜的 POST 請求

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 HTML 表單。

要實現(xiàn)這個，只需簡單地傳遞一個字典給 data 參數(shù)。你的數(shù)據(jù)字典在發(fā)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 參數(shù)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 string 而不是一個 dict，那么數(shù)據(jù)會被直接發(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 dict 進行編碼，你還可以使用 json 參數(shù)直接傳遞，然后它就會被自動編碼

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)的文件

Requests 使得上傳多部分編碼文件變得很簡單：

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

你可以顯式地設置文件名，文件類型和請求頭：

>>> url = 'http://httpbin.org/post'
>>> files = {'file': ('report.xls', open('report.xls', 'rb'), 'application/vnd.ms-excel', {'Expires': '0'})}
>>> r = requests.post(url, 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)送一個非常大的文件作為 multipart/form-data 請求，你可能希望將請求做成數(shù)據(jù)流。默認下 requests 不支持, 但有個第三方包 requests-toolbelt 是支持的。你可以閱讀 toolbelt 文檔 來了解使用方法。

在一個請求中發(fā)送多文件參考 高級用法 一節(jié)。

Request模塊警告

我們強烈建議你用二進制模式(binary mode)打開文件。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，這個值會被設為文件的字節(jié)數(shù)（bytes）。如果用文本模式(text mode)打開文件，就可能會發(fā)生錯誤。

Request模塊響應狀態(tài)碼

我們可以檢測響應狀態(tài)碼：

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

為方便引用，Requests還附帶了一個內置的狀態(tài)碼查詢對象：

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

如果發(fā)送了一個錯誤請求(一個4XX客戶端錯誤，或者5XX服務器錯誤響應)

我們可以通過 Response.raise_for_status() 來拋出異常：

>>> 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模塊響應頭

我們可以查看以一個 Python 字典形式展示的服務器響應頭：

>>> 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(jù) 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字段：

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

它還有一個特殊點，那就是服務器可以多次接受同一header，每次都使用不同的值。但Requests會將它們合并，這樣它們就可以用一個映射來表示出來，接收者可以合并多個相同名稱的 header 欄位，把它們合為一個 “field-name: field-value” 配對，將每個后續(xù)的欄位值依次追加到合并的欄位值中，用逗號隔開即可，這樣做不會改變信息的語義。

Request模塊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'

要想發(fā)送你的cookies到服務器，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 的返回對象為 RequestsCookieJar，它的行為和字典類似，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模塊重定向與請求歷史

默認情況下，除了 HEAD, Requests 會自動處理所有重定向。

可以使用響應對象的 history 方法來追蹤重定向。

Response.history 是一個 Response 對象的列表，為了完成請求而創(chuàng)建了這些對象。這個對象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

那么你可以通過 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

你可以告訴 requests 在經過以 timeout 參數(shù)設定的秒數(shù)時間之后停止等待響應?；旧纤械纳a代碼都應該使用這一參數(shù)。如果不使用，你的程序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 僅對連接過程有效，與響應體的下載無關。 timeout 并不是整個下載響應的時間限制，而是如果服務器在 timeout 秒內沒有應答，將會引發(fā)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字節(jié)的數(shù)據(jù)時）If no timeout is specified explicitly, requests do not time out.

Request模塊錯誤與異常

• 遇到網絡問題（如：DNS 查詢失敗、拒絕連接等）時，Requests 會拋出一個 ConnectionError 異常。
• 如果 HTTP 請求返回了不成功的狀態(tài)碼， Response.raise_for_status() 會拋出一個 HTTPError 異常。
• 若請求超時，則拋出一個 Timeout 異常。
• 若請求超過了設定的最大重定向次數(shù)，則會拋出一個 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，你可以通過為任意請求方法提供 proxies 參數(shù)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(huán)境變量 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:pass@10.10.1.10:3128/",
}

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

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

注意，代理 URL 必須包含連接方式。

至此python爬蟲模塊Request從安裝到詳細使用方法與實例全解基本就結束了，更多關于python爬蟲模塊Request的使用方法與實例請查看下面的相關鏈接