本文介绍了如何使用Request库。首先,确保:
- Request库已安装
- Request库已更新到最新。
目录
让我们从一些简单的例子开始。
提出请求¶
用Request库提出请求非常简单。
首先导入Request模块:
>>> import requests
现在,让我们尝试获取一个网页。对于本例,让我们获取GitHub的时间轴:
>>> r = requests.get('https://api.github.com/events')
现在,我们有一个名为r
的Response
对象。我们可以从该对象获取所需的所有信息。
Request库使用简单API意味着各种HTTP请求都是很明显。例如,下面代码展示如何发出HTTP POST请求:
>>> r = requests.post('https://httpbin.org/post', data = {'key':'value'})
不错,对吧?其他HTTP请求类型:PUT、DELETE、HEAD和OPTIONS呢?这些都很简单:
>>> r = requests.put('https://httpbin.org/put', data = {'key':'value'})
>>> r = requests.delete('https://httpbin.org/delete')
>>> r = requests.head('https://httpbin.org/get')
>>> r = requests.options('https://httpbin.org/get')
这一切都很容易,但这也只是Request库能做工作的开始。
在URL中传递参数¶
您通常希望在URL的查询字符串中发送某种类型的数据。如果您是手工构建URL,那么这些数据将在URL中的问号后作为键/值对来给出,例如httpbin.org/get?key=val
。Request库允许您使用params
关键字参数将这些参数作为字符串字典提供。例如,如果要将key1=value1
和key2=value2
传递给httpbin.org/get
,您可以使用以下代码:
>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.get('https://httpbin.org/get', params=payload)
通过打印URL,可以看到URL已被正确编码:
>>> print(r.url)
https://httpbin.org/get?key2=value2&key1=value1
请注意,任何值为None
的字典键都不会添加到URL的查询字符串中。也可以将列表作为值传递:
>>> payload = {'key1': 'value1', 'key2': ['value2', 'value3']}
>>> r = requests.get('https://httpbin.org/get', params=payload)
>>> print(r.url)
https://httpbin.org/get?key1=value1&key2=value2&key2=value3
响应内容¶
我们可以读取服务器响应的内容。再考虑一下GitHub时间轴:
>>> import requests
>>> r = requests.get('https://api.github.com/events')
>>> r.text
'[{"repository":{"open_issues":0,"url":"https://github.com/...
请求将自动解码来自服务器的内容。大多数Unicode字符都是无缝解码的。
当您发出请求时,Request库会根据HTTP报头对响应内容的编码进行有根据的猜测。访问r.text
时,将返回使用猜测编码的文本。您可以使用r.encoding
属性找到并更改它:
>>> r.encoding
'utf-8'
>>> r.encoding = 'ISO-8859-1'
如果更改编码,则无论何时调用r.text
,请求都将使用新值r.encoding
。在得出内容的编码后可以随时进行该操作。例如,HTML和XML可以在其主体中指定编码。在这种情况下,应该使用r.content
来查找编码,然后设置r.encoding
。这将允许您将r.text
与正确的编码一起使用。
Request库还将在您需要的情况下使用自定义编码。如果您已经创建了自己的编码并将其注册到codecs
模块中,您只需将编解码器名称用作r.encoding
的值,Request库将为您处理解码。
二进制响应内容¶
对于非文本请求,您还可以以字节形式访问响应正文:
>>> r.content
b'[{"repository":{"open_issues":0,"url":"https://github.com/...
使用gzip
和deflate
等类型传输编码的文本将自动为您解码。
例如,要从请求返回的二进制数据创建映像,可以使用以下代码:
>>> from PIL import Image
>>> from io import BytesIO
>>> i = Image.open(BytesIO(r.content))
JSON响应内容¶
还有一个内置的JSON解码器,以防处理JSON数据:
>>> import requests
>>> r = requests.get('https://api.github.com/events')
>>> r.json()
[{'repository': {'open_issues': 0, 'url': 'https://github.com/...
如果JSON解码失败,r.json()
将引发异常。例如,如果响应代码204(没有内容),或者如果响应包含无效的JSON文本,则调用r.json()
将引发ValueError: No JSON object could be decoded
。
需要注意的是,调用r.json()
的成功并不是表示响应的成功。有些服务器可能在失败的响应中返回一个JSON对象(例如HTTP
500的错误详细信息)。类似JSON内容将被解码并返回。若要检查请求是否成功,请使用r.raise_for_status()
或r.status
。
原始响应内容¶
如果您希望从服务器获取原始套接字响应,则可以访问r.raw
。如果要这样做,请确保在初始请求中设置了stream=True
。然后你就可以这么做:
>>> r = requests.get('https://api.github.com/events', stream=True)
>>> r.raw
<urllib3.response.HTTPResponse object at 0x101194810>
>>> r.raw.read(10)
'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03'
但是,通常您应该使用这样的模式来保存流到文件中的内容:
with open(filename, 'wb') as fd:
for chunk in r.iter_content(chunk_size=128):
fd.write(chunk)
相比直接使用Response.raw
,使用Response.iter_content
会增加很多处理。但在流式下载时,是获取内容的首选和推荐方法。注意,chunk_size
可以自由调整为一个更适合的数字。
注意:
Response.iter_content
与Response.raw
的一个重要区别在于:Response.iter_content
将自动解码gzip
和deflate
传输编码的内容,而Response.raw
是原始字节流——它不转换响应内容。如果您确实需要访问返回的字节,请使用Response.raw
。
自定义HTTP Headers¶
如果要向请求中添加HTTP头,只需向headers
参数传入一个dict
。
例如,在前面的示例中,我们没有指定用户代理:
>>> url = 'https://api.github.com/some/endpoint'
>>> headers = {'user-agent': 'my-app/0.0.1'}
>>> r = requests.get(url, headers=headers)
注意:自定义HTTP头的优先级低于更具体的信息源。例如:
- 如果在
.netrc
中指定了授权,则使用headers=
设置的授权将被覆盖,而该授权又将被auth=
参数覆盖。 - 如果您被重定向离开主机,授权头将被删除。
- 代理授权标头将被URL中提供的代理授权覆盖。
- 当我们可以确定内容的长度时,内容长度标头将被覆盖。
此外,请求根本不会根据指定的自定义头来更改其行为。头只是简单地传递到最终请求中。
注意:所有头值必须是string
、bytestring
或unicode
。建议避免传递unicode值。
更复杂的POST请求¶
通常,您希望提交一些表单编码的数据,例如一个HTML表单。为此,只需向data
传递一个字典参数。在发出请求时,数据字典将自动进行表单编码:
>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.post("https://httpbin.org/post", data=payload)
>>> print(r.text)
{
...
"form": {
"key2": "value2",
"key1": "value1"
},
...
}
data
参数对于每个键也可以有多个值。这可以通过使data
成为元组列表或以列表作为值的字典来实现。当表单包含多个使用同一键的元素时,这一点尤其有用:
>>> payload_tuples = [('key1', 'value1'), ('key1', 'value2')]
>>> r1 = requests.post('https://httpbin.org/post', data=payload_tuples)
>>> payload_dict = {'key1': ['value1', 'value2']}
>>> r2 = requests.post('https://httpbin.org/post', data=payload_dict)
>>> print(r1.text)
{
...
"form": {
"key1": [
"value1",
"value2"
]
},
...
}
>>> r1.text == r2.text
True
有时您可能希望发送的数据不是表单编码。如果如果传入一个string
而不是dict
,则该数据将直接传递。
例如,github api v3接受JSON编码的POST/PATCH数据:
>>> import json
>>> url = 'https://api.github.com/some/endpoint'
>>> payload = {'some': 'data'}
>>> r = requests.post(url, data=json.dumps(payload))
您也可以使用json
参数(在版本2.4.2中添加)直接传递,而不是自己对dict
进行编码,它将自动编码:
>>> url = 'https://api.github.com/some/endpoint'
>>> payload = {'some': 'data'}
>>> r = requests.post(url, json=payload)
注意,如果传递data
或files
,则忽略json
参数。在请求中使用json
参数会将头中的Content Type
更改为application/json
。
提交多种编码的文件¶
Requests使上传多种编码的文件变得简单:
>>> url = 'https://httpbin.org/post'
>>> files = {'file': open('report.xls', 'rb')}
>>> r = requests.post(url, files=files)
>>> r.text
{
...
"files": {
"file": "<censored...binary...data>"
},
...
}
您可以显式设置文件名、内容类型和标题:
>>> url = 'https://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>"
},
...
}
如果需要,可以发送字符串作为文件接收:
>>> url = 'https://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"
},
...
}
如果您将一个非常大的文件作为multipart/form-data
请求上传,则可能需要流式处理该请求。默认情况下,Requests不支持此功能,但是有一个单独的包requests-toolbelt
。你应该阅读requests-toolbelt
有关文档获取如何使用的详细信息。
要在一个请求中发送多个文件,请参阅高级部分。
警告
强烈建议您以binary mode打开文件。这是因为Requests会尝试为您提供
Content Length
标头,该值将被设置为文件中的字节数。如果以text mode打开文件,则可能发生错误。
响应状态代码¶
我们可以查看响应状态代码:
>>> r = requests.get('https://httpbin.org/get')
>>> r.status_code
200
为了便于引用,Requests还附带一个内置状态代码查找对象:
>>> r.status_code == requests.codes.ok
True
如果我们发出了一个错误的请求(4XX客户端错误或5XX服务器错误响应),我们可以使用Response.raise_for_status()
抛出异常:
>>> bad_r = requests.get('https://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
但是,由于r
的status
代码是200
,所以当我们调用raise_for_status()
时,我们得到:
>>> r.raise_for_status()
None
一切都很好。
响应头¶
我们可以使用Python字典查看服务器的响应头:
>>> r.headers
{
'content-encoding': 'gzip',
'transfer-encoding': 'chunked',
'connection': 'close',
'server': 'nginx/1.0.4',
'x-runtime': '148ms',
'etag': '"e1ca502697e5c9317743dc078f67693f"',
'content-type': 'application/json'
}
不过,这本词典很特别:它是专为HTTP头编写的。根据收件人RFC 7230
,HTTP头名称不区分大小写。
因此,我们可以使用任意大小写来访问标题:
>>> r.headers['Content-Type']
'application/json'
>>> r.headers.get('content-type')
'application/json'
其中有一个特殊之处,服务器可能多次发送包括不同值的同一个响应头,但按RFC7230要求,Requests库进行了合并,使其可以在字典中用同一个映射表示:
浏览器可以将多个具有相同字段名的头字段组合成一个字段值对,无需更改消息的语义,方法是将每个后续字段值按顺序附加到组合字段值后,用逗号分隔。
Cookies¶
如果响应包含一些cookie,则可以快速访问它们:
>>> url = 'http://example.com/some/cookie/setting/url'
>>> r = requests.get(url)
>>> r.cookies['example_cookie_name']
'example_cookie_value'
要将自己的cookies发送到服务器,可以使用cookies
参数:
>>> url = 'https://httpbin.org/cookies'
>>> cookies = dict(cookies_are='working')
>>> r = requests.get(url, cookies=cookies)
>>> r.text
'{"cookies": {"cookies_are": "working"}}'
Cookie以RequestsCookieJar
类的形式返回,它的作用类似于dict
,但也提供了一个更完整的接口,适合在多个域或路径使用。RequestsCookieJar
对象也可以传递给请求:
>>> 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 = 'https://httpbin.org/cookies'
>>> r = requests.get(url, cookies=jar)
>>> r.text
'{"cookies": {"tasty_cookie": "yum"}}'
重定向和历史记录¶
默认情况下,Requests将对除HEAD之外的所有请求执行位置重定向。我们可以使用Response
对象的history
属性来跟踪重定向。
属性Response.history
以列表形式包含为完成请求而创建的Response
对象,并按从最旧到最新进行排序。
例如,GitHub将所有HTTP请求重定向到HTTPS::
>>> r = requests.get('http://github.com/')
>>> r.url
'https://github.com/'
>>> r.status_code
200
>>> r.history
[<Response [301]>]
如果使用GET、OPTIONS、POST、PUT、PATCH或DELETE,则可以使用allow_redirects
参数:
>>> r = requests.get('http://github.com/', allow_redirects=False)
>>> r.status_code
301
>>> r.history
[]
如果你用HEAD
,你也可以允许重定向:
>>> r = requests.head('http://github.com/', allow_redirects=True)
>>> r.url
'https://github.com/'
>>> r.history
[<Response [301]>]
超时¶
您可以使用timeout
参数告诉请求在给定的秒数后停止等待响应。几乎所有的生产环境代码都应该在所有的请求中使用此参数。否则会导致程序无限期挂起:
>>> requests.get('https://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
不是整个响应下载的时间限制;相反,如果服务器在timeout
秒内没有发出响应(更准确地说,如果在timeout
秒的基础套接字上没有接收到字节),则会引发异常。如果没有显式指定超时,则请求不会超时。
错误和异常¶
如果出现网络问题(例如DNS故障、拒绝连接等),Requests将抛出一个ConnectionError
异常。
如果HTTP请求返回不成功的状态代码,Response.raise_for_status()
将抛出一个HTTPError
异常。
如果请求超时,将抛出Timeout
异常。
如果请求超过配置的最大重定向数,将抛出TooManyRedirects
异常。。
所有Requests抛出的显式异常均继承于requests.exceptions.RequestException
。