爬虫系列(七) requests的基本使用

一、requests 简介

requests 是一个功能强大、简单易用的 HTTP 请求库，可以使用 pip install requests 命令进行安装

下面我们将会介绍 requests 中常用的方法，详细内容请参考 官方文档

二、requests 使用

在开始讲解前，先给大家提供一个用于测试的网站，http://www.httpbin.org/

这个网站可以在页面上返回所发送 请求 的相关信息，十分适合练习使用

好了，下面正式开始！

1、get 方法

该方法用于向目标网址发送请求，接收响应

该方法返回一个 Response 对象，其常用的属性和方法列举如下：

• response.url：返回请求网站的 URL
• response.status_code：返回响应的状态码
• response.encoding：返回响应的编码方式
• response.cookies：返回响应的 Cookie 信息
• response.headers：返回响应头
• response.content：返回 bytes 类型的响应体
• response.text：返回 str 类型的响应体，相当于 response.content.decode('utf-8')
• response.json()：返回 dict 类型的响应体，相当于 json.loads(response.text)

>>> import requests
>>> response = requests.get('http://www.httpbin.org/get')
>>> type(response)
# 
>>> print(response.url) # 返回请求网站的 URL
# http://www.httpbin.org/get
>>> print(response.status_code) # 返回响应的状态码
# 200
>>> print(response.encoding) # 返回响应的编码方式
# None
>>> print(response.cookies) # 返回响应的 Cookie 信息
# 
>>> print(response.headers) # 返回响应头
# {'Connection': 'keep-alive', 'Server': 'gunicorn/19.9.0', 'Date': 'Sat, 18 Aug 2018 02:00:23 GMT', 'Content-Type': 'application/json', 'Content-Length': '275', 'Access-Control-Allow-Origin': '*', 'Access-Control-Allow-Credentials': 'true', 'Via': '1.1 vegur'}
>>> type(response.content) # 返回 bytes 类型的响应体
# 
>>> type(response.text) # 返回 str 类型的响应体
# 
>>> type(response.json()) # 返回 dict 类型的响应体
# 

该方法的参数说明如下：

• url：必填，指定请求 URL

• params：字典类型，指定请求参数，常用于发送 GET 请求时使用

  >>> import requests
  >>> url = 'http://www.httpbin.org/get'
  >>> params = {
      'key1':'value1',
      'key2':'value2'
  }
  >>> response = requests.get(url=url,params=params)
  >>> print(response.text)
  # {
  #   "args": {     # 我们设定的请求参数
  #     "key1": "value1", 
  #     "key2": "value2"
  #   }, 
  #   "headers": {
  #     "Accept": "*/*", 
  #     "Accept-Encoding": "gzip, deflate", 
  #     "Connection": "close", 
  #     "Host": "www.httpbin.org", 
  #     "User-Agent": "python-requests/2.19.1"
  #   }, 
  #   "origin": "110.64.88.141", 
  #   "url": "http://www.httpbin.org/get?key1=value1&key2=value2"
  # }
  

• data：字典类型，指定表单信息，常用于发送 POST 请求时使用

  注意：此时应该使用 post 方法，只需要简单的将 get 替换成 post 即可

  >>> import requests
  >>> url = 'http://www.httpbin.org/post'
  >>> data = {
      'key1':'value1',
      'key2':'value2'
  }
  >>> response = requests.post(url=url,data=data)
  >>> print(response.text)
  # {
  #   "args": {}, 
  #   "data": "", 
  #   "files": {}, 
  #   "form": {     # 我们设定的表单数据
  #     'key1': 'value1',
  #     'key2': 'value2'
  #   }, 
  #   "headers": {
  #     "Accept": "*/*", 
  #     "Accept-Encoding": "gzip, deflate", 
  #     "Connection": "close", 
  #     "Content-Length": "17", 
  #     "Content-Type": "application/x-www-form-urlencoded", 
  #     "Host": "www.httpbin.org", 
  #     "User-Agent": "python-requests/2.19.1"
  #   }, 
  #   "json": null, 
  #   "origin": "116.16.107.178", 
  #   "url": "http://www.httpbin.org/post"
  # }
  

• headers：字典类型，指定请求头部

  >>> import requests
  >>> url = 'http://www.httpbin.org/headers'
  >>> headers = {
      'USER-AGENT':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
  }
  >>> response = requests.get(url=url,headers=headers)
  >>> print(response.text)
  # {
  #   "headers": {
  #     "Accept": "*/*", 
  #     "Accept-Encoding": "gzip, deflate", 
  #     "Connection": "close", 
  #     "Host": "www.httpbin.org", 
  #     "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36"     # 我们设定的请求头部
  #   }
  # }
  

• proxies：字典类型，指定使用的代理

  >>> import requests
  >>> url = 'http://www.httpbin.org/ip'
  >>> proxies = {
      'http':'182.88.178.128:8123',
      'http':'61.135.217.7:80'
  }
  >>> response = requests.get(url=url,proxies=proxies)
  >>> print(response.text)
  # {
  #   "origin": "182.88.178.128"
  # }
  

• cookies：字典类型，指定 Cookie

  >>> import requests
  >>> url = 'http://www.httpbin.org/cookies'
  >>> cookies = {
      'name1':'value1',
      'name2':'value2'
  }
  >>> response = requests.get(url=url,cookies=cookies)
  >>> print(response.text)
  # {
  #   "cookies": {
  #     "name1": "value1",
  #     "name2": "value2"
  #   }
  # }
  

• auth：元组类型，指定登陆时的账号和密码

  >>> import requests
  >>> url = 'http://www.httpbin.org/basic-auth/user/password'
  >>> auth = ('user','password')
  >>> response = requests.get(url=url,auth=auth)
  >>> print(response.text)
  # {
  #   "authenticated": true, 
  #   "user": "user"
  # }
  

• verify：布尔类型，指定请求网站时是否需要进行证书验证，默认为 True，表示需要证书验证

  假如不希望进行证书验证，则需要设置为 False

  >>> import requests
  >>> response = requests.get(url='https://www.httpbin.org/',verify=False)
  

  但是在这种情况下，一般会出现 Warning 提示，因为 Python 希望我们能够使用证书验证

  如果不希望看到 Warning 信息，可以使用以下命令消除

  >>> requests.packages.urllib3.disable_warnings()
  

• timeout：指定超时时间，若超过指定时间没有获得响应，则抛出异常

2、exceptions 模块

exceptions 是 requests 中负责异常处理的模块，包含下面常见的异常类：

• Timeout：请求超时
• ConnectionError：网络问题，例如 DNS 故障，拒绝连接等
• TooManyRedirects：请求超过配置的最大重定向数

注意 ：所有显式抛出的异常都继承自 requests.exceptions.RequestException

>>> import requests
>>> try:
		response = requests.get('http://www.httpbin.org/get', timeout=0.1)
except requests.exceptions.RequestException as e:
		if isinstance(e,requests.exceptions.Timeout):
			print("Time out")
        
#  Time out

【参考资料】

• http://www.python-requests.org/en/master/

【爬虫系列相关文章】

• 爬虫系列(一) 网络爬虫简介

• 爬虫系列(二) Chrome抓包分析

• 爬虫系列(三) urllib的基本使用

• 爬虫系列(四) 用urllib实现英语翻译

• 爬虫系列(五) re的基本使用

• 爬虫系列(六) 用urllib和re爬取百度贴吧

• 爬虫系列(七) requests的基本使用

• 爬虫系列(八) 用requests实现天气查询

• 爬虫系列(九) xpath的基本使用

• 爬虫系列(十) 用requests和xpath爬取豆瓣电影

• 爬虫系列(十一) 用requests和xpath爬取豆瓣电影评论

• 爬虫系列(十二) selenium的基本使用

• 爬虫系列(十三) 用selenium爬取京东商品