1、简介
Requests HTTP Library
Requests is an HTTP library, written in Python, for human beings.
requests 是一个常用的 HTTP 请求库,可以方便地向网站发送 HTTP 请求,并获取响应结果。requests 模块比 urllib 模块更简洁。
Requests 库是在 urllib 的基础上开发而来,它使用 Python 语言编写,并且采用了 Apache2 Licensed(一种开源协议)的 HTTP 库。与 urllib 相比,Requests 更加方便、快捷,因此在编写爬虫程序时 Requests 库使用较多。
GitHub:https://github.com/psf/requests
PyPI:https://pypi.org/project/requests/
官方文档:https://docs.python-requests.org/en/latest/
中文文档:https://docs.python-requests.org/zh_CN/latest/user/quickstart.html
- (1)安装requests库:
pip install requests
# or
python -m pip install requests
- (2)导入 requests 模块
使用 requests 发送 HTTP 请求需要先导入 requests 模块:
import requests
2、requests方法
requests 方法如下表:
方法 | 描述 |
---|---|
delete(url, args) | 发送 DELETE 请求到指定 url |
get(url, params, args) | 发送 GET 请求到指定 url |
head(url, args) | 发送 HEAD 请求到指定 url |
patch(url, data, args) | 发送 PATCH 请求到指定 url |
post(url, data, json, args) | 发送 POST 请求到指定 url |
put(url, data, args) | 发送 PUT 请求到指定 url |
request(method, url, args) | 向指定的 url 发送指定的请求方法 |
2.1 get()
res = requests.get(url,headers=headers,params,timeout)
参数说明如下:
url:要抓取的 url 地址。
headers:用于包装请求头信息。
params:请求时携带的查询字符串参数。
timeout:超时时间,超过时间会抛出异常。
- 例子1:
import requests
r = requests.get('https://www.python.org')
r.status_code
- 例子2:
import requests
kw = {'s':'python 教程'}
# 设置请求头
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
# params 接收一个字典或者字符串的查询参数,字典类型自动转换为url编码,不需要urlencode()
response = requests.get("https://www.xxx.com/", params = kw, headers = headers)
# 查看响应状态码
print (response.status_code)
# 查看响应头部字符编码
print (response.encoding)
# 查看完整url地址
print (response.url)
# 查看响应内容,response.text 返回的是Unicode格式的数据
print(response.text)
2.2 post()
- 例子1:
import requests
payload = dict(key1='value1', key2='value2')
r = requests.post('https://httpbin.org/post', data=payload)
print(r.text)
- 例子2:
import requests
# 表单参数,参数名为 name和 age
myobj = {'name': 'tomcat','age': '18'}
# 发送请求
x = requests.post('https://www.xxx.com/demo_post2.php', data = myobj)
# 返回网页内容
print(x.text)
2.3 request()
- json: (可选) 如果要传递JSON数据,可以直接传入json参数:
params = {'key': 'value'}
requests.request(method="post", url="", json=params) # 内部自动序列化为JSON
- cookies: (可选) dict
cs = {'token': '12345', 'status': 'working'}
requests.request(method="get", url="", cookies=cs)
- files: (可选) 上传文件需要更复杂的编码格式,但是requests把它简化成files参数
在读取文件时,注意务必使用’rb’即二进制模式读取,这样获取的bytes长度才是文件的长度
upload_files = {'file': open('report.xls', 'rb')}
requests.request(method="post", url="", files=upload_files)
3、requests响应信息
requests 更多响应信息如下:
属性或方法 | 说明 |
---|---|
apparent_encoding | 编码方式 |
close() | 关闭与服务器的连接 |
content | 返回响应的内容,以字节为单位 |
cookies | 返回一个 CookieJar 对象,包含了从服务器发回的 cookie |
elapsed | 返回一个 timedelta 对象,包含了从发送请求到响应到达之间经过的时间量,可以用于测试响应速度。比如 r.elapsed.microseconds 表示响应到达需要多少微秒。 |
encoding | 解码 r.text 的编码方式 |
headers | 返回响应头,字典格式 |
history | 返回包含请求历史的响应对象列表(url) |
is_permanent_redirect | 如果响应是永久重定向的 url,则返回 True,否则返回 False |
is_redirect | 如果响应被重定向,则返回 True,否则返回 False |
iter_content() | 迭代响应 |
iter_lines() | 迭代响应的行 |
json() | 返回结果的 JSON 对象 (结果需要以 JSON 格式编写的,否则会引发错误) |
links | 返回响应的解析头链接 |
next | 返回重定向链中下一个请求的 PreparedRequest 对象 |
ok | 检查 “status_code” 的值,如果小于400,则返回 True,如果不小于 400,则返回 False |
raise_for_status() | 如果发生错误,方法返回一个 HTTPError 对象 |
reason | 响应状态的描述,比如 “Not Found” 或 “OK” |
request | 返回请求此响应的请求对象 |
status_code | 返回 http 的状态码,比如 404 和 200(200 是 OK,404 是 Not Found) |
text | 返回响应的内容,unicode 类型数据 |
url | 返回响应的 URL |
3.1 request.args
url = http://192.168.56.1:9933/good?id=1&name=abc
request.args就是获取请求链接中 ? 后面的所有参数;
把所有参数转换成一个列表,列表里面的元素是一个元组,结构为:('id','1');
再转换成一个字典,还有编码等操作;
获取具体某个参数时可以:
id = request.args.get('id')
# url = 127.0.0.1:5000/?name=hua
from flask import Flask, jsonify
from flask import request
app = Flask(__name__)
@app.route('/', methods=['GET', 'POST'])
def hello_world():
print('请求方式为------->', request.method)
args = request.args.get("name") or "args没有参数"
print('args参数是------->', args)
form = request.form.get('name') or 'form 没有参数'
print('form参数是------->', form)
return jsonify(args=args, form=form)
if __name__ == '__main__':
app.run(debug=True)
3.2 request.values
request.args和request.form都包含在request.values里面
即把两个列表拼接后,转换成一个字典
当request.args和request.form都有同一个键时,取到的时request.args里面的值
因为request.form会被先序列化,当request.args序列化时就会覆盖前面的
获取具体某个参数时可以直接:
id = request.args.get('id')
# values 是 args 和 form 两个字段的组合
@app.route("/hello", methods=["GET", "POST"])
def hello():
print("content_type:", request.headers.get("content_type"))
print("args:", request.args)
print("form:", request.form)
print("values:", request.values)
return "hello"
3.3 request.json
要想获取request.json中的数据
1. 请求参数属性得有传值过来
2. 在Headers中必须设置 Content-Type:application/json
设置了Content-Type:application/json的Body数据只能通过request.json获取
request.json是把request.data的数据转换成JSON格式的数据
request.data的数据来源是请求参数属性Body
# 将content-type指定为application/json, flask就会将接收到的请求体数据做一次json编码转换,将字符串转换为字典对象,赋值给属性json
@app.route("/hello", methods=["GET", "POST"])
def hello():
print("content_type:", request.headers.get("content_type"))
print("data:", request.data)
print("form:", request.form)
print("json:", request.json)
return ""
# 如果浏览器传过来的是json格式的字符串数据,但是请求头中又没有指定content-type :application/json,如果你直接调用request.json 会直接报错,返回401错误
@app.route("/hello", methods=["GET", "POST"])
def hello():
print("content_type:", request.headers.get("content_type"))
print("get_json:", request.get_json(force=True))
return "hello"
3.4 request.form
原理跟request.args差不多,只是request.form的数据来源是form表单,其他操作基本一致
#form 顾名思义是表单数据,当请求头content-type 是 application/x-www-form-urlencoded 或者是 multipart/form-data 时,请求体的数据才会被解析为form属性。
#application/x-www-form-urlencoded 是浏览器的form表单默认使用的content-type。
<form action="http://localhost:8000/demo" method="post">
<input type="text" name="username">
<input type="password" name="password">
<button>登录</button>
</form>
# 服务器接收到数据
@app.route("/hello", methods=["GET", "POST"])
def hello():
print("content_type:", request.headers.get("content_type"))
print('form:', request.form)
print('data:', request.data)
return "hello"
3.5 request.data
request.data返回的数据是一个bytes类型
数据来源是请求参数属性中的Body。
当请求没有设置Content-Type:application/json时,Body里面的数据都会放到request.data
# 发送的请求体中,当content-type不是multipart/form-data、application/x-www-form-urlencoded 这两种类型时,data才会有值,
# 例如我现在用postman指定的content-type是text/plain
@app.route("/hello", methods=["GET", "POST"])
def hello():
print("content_type:", request.headers.get("content_type"))
print("data:", request.data)
print("form:", request.form)
print("files:", request.files)
return ""
3.6 request.files
request.files接收的是form表单中<input type="file" name="file"/>传过过来的数据
获取某个上传的文件对象
file = request.files.get('file')
保存到文件
file.save(path)
# 获取上传文件的名字
from werkzeug.utils import secure_filename
file_name = secure_filename(file.filename)
# client
# 当浏览器上传文件时,form表单需要指定 enctype为 multipart/form-data
<form action="http://localhost:8000/demo" method="post" enctype="multipart/form-data">
<input type="text" name="myTextField">
<input type="checkbox" name="myCheckBox">Check</input>
<input type="file" name="myFile">
<button>Send the file</button>
</form>
# server
@app.route("/hello", methods=["GET", "POST"])
def hello():
print(request.headers.get("content_type"))
print("files:", request.files)
return ""
4、requests的get方法
下面列出get请求的部分参数:
requests.get(url , params = None, **kwargs)
url : 拟获取页面的URL连接
params : URL中的额外参数,字典或字节流格式
**kwargs :12个控制访问的参数(可选项)
# 参数介绍:
json:JSON格式的数据,作为Request的内容
data:字典、字节序列或文件对象,作为Request的内容
headers:字典,HTTP定制头
cookies:字典或CookieJar,Request中的cookie
auth:元组,支持HTTP认证功能
files:字典类型,传输文件
timeout:设定超时时间,以秒为单位
proxies:字典类型,设定访问代理服务器,可以增加登录认证
allow_redirects:True/False,默认为True,重定向开关
stream:True/False,默认为True,获取内容立刻下载开关
varify:True/False,默认为True,认证SSL证书开关
cert:本地SSL证书路径
4.1 url
import requests
url="http://www.baidu.com"
resp=requests.get(url)#向url对应的服务器发送相应的get请求,获得对应的相应 。
4.2 headers
import requests
url=r"https://www.baidu.com/s"
Headers={"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36"
}
response=requests.get(url=url,headers=Headers)
4.3 params
import requests
url=r"https://www.baidu.com/s"
#以带参数的Get请求,请求对应页面,比如百度搜索 Python,只需
Params={"wd":"Python"}
Headers={"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36"}
response=requests.get(url=url,params=Params,headers=Headers)
print(response.request.url)#输出:https://www.baidu.com/s?wd=Python
4.4 proxies
proxies: (可选) 设置代理,可抓取所有http和https请求
# 作为用户代理,访问服务器会以该代理的ip访问服务器,可掩盖本机ip.
import requests
#proxies 是伪ip使用代理访问页面
#下面是使用代理访问百度
Headers={"User-Agent": "Mozilla/5.0 (Linux; Android 5.0; SM-G900P Build/LRX21T) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Mobile Safari/537.36"
}
#proxies的格式是字典,类型:协议表示+域名+端口
proxies={
"http":"http://1.192.242.107:9999"
# "https":"https://192.168.0.1:80"
}
url="https://www.baidu.com"
resp=requests.get(url,headers=Headers,proxies=proxies)
print(resp.content.decode())
4.5 verify
verify: (可选) Boolean,控制是否验证,默认为True。当verify为True时, 如果想解析https内容,需在Cert参数中添加证书路径。
cert: (可选) string 或 元组。string:为ssl客户端证书文件(.pem)的路径。元组:(“证书”,“密钥”)配对
# ssl证书验证是否跳过,用于访问有些页面出现证书验证错误的时候
'''
当访问https页面出现证书错误,可以使用verify来取消验证
在get或者post请求的verify参数设置成False
requests.get(url,headers,data,prams,proxies,verify=False)
'''
import requests
url="https://www.12306.cn"
resp=requests.get(url,verify=False)
print(resp.content.decode())
4.6 timeout
timeout: (可选) 访问超时, float(wait for server to send data ) or tuple(connect timeout, read timeout)
'''
通过添加timeout参数,能够保证在指定秒钟内返回响应,否则会报错
超时参数的使用
response = requests.get(url,timeout=3)通过添加timeout参数,能够保证在3秒钟内返回响应,否则会报错
'''
import requests
proxies={"http":"http://1.192.242.107:9999"}
url="http://www.baidu.com"
try:
resp=requests.get(url,proxies=proxies,timeout=3)
except :
print("运行时出错")
4.7 cookies
- 获取Cookies:
import requests
r = requests.get('https://www.baidu.com')
#打印Cookies对象
print(r.cookies)
#遍历Cookies
for key,value in r.cookies.items():
print(key+'='+value)
- 使用Cookies来维持登录状态:
import requests
headers = {
'Cookie':'xxxxx',
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0',
'Host':'www.zhihu.com'
}
r = requests.get('https://www.zhihu.com/yyyy',headers=headers)
print(r.text)
- 通过cookies参数来设置:
import requests
cookies ='xxxx'
jar = requests.cookies.RequestsCookieJar()
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0',
'Host':'www.zhihu.com'
}
for cookie in cookies.split(';'):
key,value = cookie.split('=',1)
jar.set(key,value)
r = requests.get('https://www.zhihu.com/yyyy',headers=headers)
print(r.text)
4.8 auth
auth: (可选) Auth tuple to enable Basic/Digest/Custom HTTP Auth
- HTTPBasicAuth
import requests
from requests.auth import HTTPBasicAuth
r = requests.get('http://localhost:8080/admin',auth=HTTPBasicAuth('admin','123456'))
print(r.status_code)
- OAuth
# pip3 install requests_oauthlib
import requests
from requests_oauthlib import OAuth1
url = 'http://localhost:8080/admin'
auth = OAuth1("YOUR_APP_KEY","YOUR_APP_SECRET","USER_OAUTH_TOKEN","USER_OAUTH_TOKEN_SECRET")
requests.get(url,auth=auth)
3、测试代码
3.1 获取网页HTML(get)
# -*- coding: UTF-8 -*-
import requests
def get_html(url):
response = requests.get(url=url)
result = response.text
return result
if __name__ == '__main__':
url = "http://www.baidu.com"
html = get_html(url)
print(html)
3.2 获取网页HTML(带headers的get)
# -*- coding: UTF-8 -*-
import requests
def get_html(url, headers=None):
response = requests.get(url=url)
return response.text
if __name__ == '__main__':
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.146 Safari/537.36"
}
headers = ...
url = "http://www.baidu.com"
html = get_html(url, headers)
print(html)
3.3 获取网页HTML(带headers的post)
# -*- coding: UTF-8 -*-
import requests
def get_response(url, data, headers=None):
response = requests.post(url, data, headers)
result = response.text
return result
if __name__ == '__main__':
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.146 Safari/537.36"
}
data = {
"key1": "value1",
"key2": "value2"
}
url = "http://httpbin.org/post"
html = get_response(url, data, headers)
print(html)
3.4 模拟登录(带headers的get)
以下是一个使用 cookie 模拟登录请求页面的例子
# -*- coding: UTF-8 -*-
import requests
import sys
import io
if __name__ == "__main__":
# 登录后才能访问的网页
url = 'http://www.csdn.net'
# 浏览器登录后得到的cookie
cookie_str = r'xxx=yyy;zzz=mmm'
# 把cookie字符串处理成字典,以便接下来使用
# TODO(You): 请正确准备cookie数据
cookies = {}
for line in cookie_str.split(';'):
key, value = line.split('=', 1)
cookies[key] = value
# 设置请求头
headers = {
'User-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'
}
# 在发送get请求时带上请求头和cookies
resp = requests.get(
url,
headers=headers,
cookies=cookies
)
print(resp.content.decode('utf-8'))
3.5 下载网络图片(带headers的get)
- 例子1:
import requests
url = 'https://ss2.bdstatic.com/70cFvnSh_Q1YnxGkpoWK1HF6hhy/it/u=38785274,1357847304&fm=26&gp=0.jpg'
#简单定义浏览器ua信息
headers = {'User-Agent':'Mozilla/4.0'}
#读取图片需要使用content属性
html = requests.get(url=url,headers=headers).content
#以二进制的方式下载图片
with open('C:/image/python_logo.jpg','wb') as f:
f.write(html)
- 例子2:
# -*- coding:utf8 -*-
import requests
import re
from urllib import parse
import os
class BaiduImageSpider(object):
def __init__(self):
self.url = 'https://image.baidu.com/search/flip?tn=baiduimage&word={}'
self.headers = {'User-Agent':'Mozilla/4.0'}
# 获取图片
def get_image(self,url,word):
#使用 requests模块得到响应对象
res= requests.get(url,headers=self.headers)
# 更改编码格式
res.encoding="utf-8"
# 得到html网页
html=res.text
print(html)
#正则解析
pattern = re.compile('"hoverURL":"(.*?)"',re.S)
img_link_list = pattern.findall(html)
#存储图片的url链接
print(img_link_list)
# 创建目录,用于保存图片
directory = 'C:/image/{}/'.format(word)
# 如果目录不存在则创建,此方法常用
if not os.path.exists(directory):
os.makedirs(directory)
#添加计数
i = 1
for img_link in img_link_list:
filename = '{}{}_{}.jpg'.format(directory, word, i)
self.save_image(img_link,filename)
i += 1
#下载图片
def save_image(self,img_link,filename):
html = requests.get(url=img_link,headers=self.headers).content
with open(filename,'wb') as f:
f.write(html)
print(filename,'下载成功')
# 入口函数
def run(self):
word = input("请输入照片的关键词")
word_parse = parse.quote(word)
url = self.url.format(word_parse)
self.get_image(url,word)
if __name__ == '__main__':
spider = BaiduImageSpider()
spider.run()
结语
如果您觉得该方法或代码有一点点用处,可以给作者点个赞,或打赏杯咖啡;
╮( ̄▽ ̄)╭
如果您感觉方法或代码不咋地
//(ㄒoㄒ)//,就在评论处留言,作者继续改进;
o_O???
如果您需要相关功能的代码定制化开发,可以留言私信作者;
(✿◡‿◡)
感谢各位大佬童鞋们的支持!
( ´ ▽´ )ノ ( ´ ▽´)っ!!!