Requests简明教程

最新推荐文章于 2024-04-10 11:05:40 发布

mighty13

最新推荐文章于 2024-04-10 11:05:40 发布

阅读量3w

点赞数 2

分类专栏：爬虫基础文章标签： requests http 请求响应

本文链接：https://blog.csdn.net/mighty13/article/details/115317041

版权

爬虫基础专栏收录该内容

8 篇文章 0 订阅

订阅专栏

本教程基于Requests V2.18.1文档汇编、整理。

一、简介

Requests是一个基于urllib3的开源Python HTTP库，项目以Apache2协议发布。

二、安装

$ pip install requests

三、快速上手

3.1 发送请求

# 导入requests
>>> import requests
# 使用get方法请求某个URL，返回值r为Response对象。r对象包含了我们的所需信息。
>>> r = requests.get('http://httpbin.org/get')
# 类似的，其他 HTTP 请求类型：POST，PUT，DELETE，HEAD 以及 OPTIONS 用以下方式请求：
>>> r = requests.post('http://httpbin.org/post', data = {'key':'value'})
>>> 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')

3.2 传递 URL 参数

Requests允许使用params关键字参数以字符串字典形式提供URL参数。

例如，向httpbin.org/get传递key1=value1和 key2=value2，代码如下：

>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.get("http://httpbin.org/get", params=payload)
>>> print(r.url)
http://httpbin.org/get?key2=value2&key1=value1

注意：字典里值为None的键不会被添加到 URL 的查询字符串。

此外，还可以将一个列表作为值传入。

>>> payload = {'key1': 'value1', 'key2': ['value2', 'value3']}

3.3 响应内容

Requests会自动解码来自服务器的响应。
请求发出后，Requests会基于 HTTP 头部对响应的编码作出推测。当访问r.text时，Requests会使用其推测的编码进行解码。

>>> import requests
>>> r = requests.get('https://api.github.com/events')
>>> r.text

可以通过r.encoding属性查询Requests使用的编码，而且r.encoding属性还可以改变Requests所使用的编码。

>>> r.encoding
'utf-8'
>>> r.encoding = 'ISO-8859-1'

3.4 二进制响应内容

以字节方式访问请求响应体：

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

Requests会自动解码gzip和deflate传输编码的响应数据。
例如，以请求返回的二进制数据创建一张图片：

>>> from PIL import Image
>>> from io import BytesIO
>>> i = Image.open(BytesIO(r.content))

3.5 JSON 响应内容

Requests内置了 JSON 解码器，可自动解码JSON格式数据：

>>> import requests
>>> r = requests.get('https://api.github.com/events')
>>> r.json()
[{u'repository': {u'open_issues': 0, u'url': 'https://github.com/...

3.6 原始响应内容

通过访问 r.raw可以获取来自服务器的原始套接字响应。前提是在get方法中设置了 stream=True参数。

>>> 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'

3.7 定制请求头

如果想为请求添加 HTTP 头部，只要简单地传递一个字典对象给headers参数就可以了。
例如，指定 content-type

>>> 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 的优先级低于某些特定的信息源。
例如：

如果在.netrc 中设置了用户认证信息，使用headers=设置的授权就不会生效。而如果设置了auth=参数，.netrc 的设置就无效了。
如果被重定向到别的主机，授权 header 就会被删除。
代理授权 header 会被 URL 中提供的代理身份覆盖掉。
在能判断内容长度的情况下，header 的Content-Length会被改写。

3.8 更加复杂的 POST 请求

将字典数据传递给`data`参数

例如，发送一些编码为表单形式的数据，只需简单地传递一个字典给 data参数。数据字典在发出请求时会自动编码为表单形式：

>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.post("http://httpbin.org/post", data=payload)
>>> print(r.text)
{
  ...
  "form": {
    "key2": "value2",
    "key1": "value1"
  },
  ...
}

将元组字典传递给`data`参数

data参数还可以接受元组列表。
在表单中多个元素使用同一key的时候，这种方式尤其有效：

>>> payload = (('key1', 'value1'), ('key1', 'value2'))
>>> r = requests.post('http://httpbin.org/post', data=payload)
>>> print(r.text)
{
  ...
  "form": {
    "key1": [
      "value1",
      "value2"
    ]
  },
  ...
}

将字典数据传递给`json`参数

>>> url = 'https://api.github.com/some/endpoint'
>>> payload = {'some': 'data'}
>>> r = requests.post(url, json=payload)

3.9 POST一个多部分编码(Multipart-Encoded)的文件

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

可以显式地设置文件名，文件类型和请求头：

>>> 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>"
  },
  ...
}

3.10 响应状态码

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

为方便引用，Requests还附带了一个内置的状态码查询对象：

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

如果发送了错误请求(4XX 客户端错误，或者 5XX 服务器错误响应)，可以通过Response.raise_for_status()抛出异常。

>>> 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

3.11 响应头

我们可以以Python 字典形式展示服务器响应头。但是这个字典比较特殊：它是仅用于 HTTP 头部。根据 RFC 2616， HTTP 头部是不区分大小写的。

>>> r.headers
{
    'content-encoding': 'gzip',
    'transfer-encoding': 'chunked',
    'connection': 'close',
    'server': 'nginx/1.0.4',
    'x-runtime': '148ms',
    'etag': '"e1ca502697e5c9317743dc078f67693f"',
    'content-type': 'application/json'
}

3.12 Cookie

Requests可以快速访问响应中包含的cookie。

>>> url = 'http://example.com/some/cookie/setting/url'
>>> r = requests.get(url)
>>> r.cookies['example_cookie_name']
'example_cookie_value'

使用cookies参数可以将cookies发送到服务器。

>>> url = 'http://httpbin.org/cookies'
>>> cookies = dict(cookies_are='working')
>>> r = requests.get(url, cookies=cookies)
>>> r.text
'{"cookies": {"cookies_are": "working"}}'

在Requests中Cookie用RequestsCookieJar表示，它的行为和字典类似，但接口更为完整，适合跨域名跨路径使用。RequestsCookieJar还可以传递到 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"}}'

3.13 重定向、请求历史

默认情况下，除了HEAD， Requests会自动处理所有重定向。
可以使用响应对象的history方法来追踪重定向。
Response.history是一个Response对象列表，请求按照由远及近排序。
例如，Github 将所有的 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]>]

如果使用的是GET、OPTIONS、POST、PUT、PATCH 或者 DELETE，那么可以通过allow_redirects参数禁止重定向。

>>> r = requests.get('http://github.com', allow_redirects=False)
>>> r.status_code
301
>>> r.history
[]

如果使用了HEAD，也可以启用重定向。

>>> r = requests.head('http://github.com', allow_redirects=True)
>>> r.url
'https://github.com/'
>>> r.history
[<Response [301]>]

3.14 超时

Requests会在timeou参数设定的秒数之后停止等待响应，否则程序一直等待响应。

>>> 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仅对连接过程有效，与响应体的下载无关。

3.15 错误与异常

遇到网络问题（如：DNS 查询失败、拒绝连接等）时，Requests会抛出ConnectionError异常。
如果 HTTP 请求返回了不成功的状态码， Response.raise_for_status()会抛出HTTPError异常。
若请求超时，则抛出Timeout异常。
若请求超过了设定的最大重定向次数，则会抛出TooManyRedirects异常。

所有Requests显式抛出的异常都继承自requests.exceptions.RequestException。

四、高级教程

4.1 会话对象

会话对象能够跨请求保持某些参数。它也会在同一个Session实例发出的所有请求之间保持 cookie，期间使用urllib3的connection pooling功能。所以如果向同一主机发送多个请求，底层的 TCP 连接将会被重用，从而带来显著的性能提升。

s = requests.Session()
s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')
r = s.get("http://httpbin.org/cookies")
print(r.text)
# '{"cookies": {"sessioncookie": "123456789"}}'

通过为会话对象的属性提供数据可以为请求方法提供缺省数据。

s = requests.Session()
s.auth = ('user', 'pass')
s.headers.update({'x-test': 'true'})
# both 'x-test' and 'x-test2' are sent
s.get('http://httpbin.org/headers', headers={'x-test2': 'true'})

会话还可以用作上下文管理器。

with requests.Session() as s:
    s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')

4.2 请求与响应对象

任何时候进行了类似 requests.get() 的调用，你都在做两件主要的事情。其一，你在构建一个 Request 对象，该对象将被发送到某个服务器请求或查询一些资源。其二，一旦 requests 得到一个从服务器返回的响应就会产生一个 Response 对象。该响应对象包含服务器返回的所有信息，也包含你原来创建的 Request 对象。如下是一个简单的请求，从 Wikipedia 的服务器得到一些非常重要的信息：

>>> r = requests.get('http://en.wikipedia.org/wiki/Monty_Python')

如果想访问服务器返回的响应头部信息，可以使用响应对象的headers属性。

>>> r.headers
{'content-length': '56170', 'x-content-type-options': 'nosniff', 'x-cache':
'HIT from cp1006.eqiad.wmnet, MISS from cp1010.eqiad.wmnet', 'content-encoding':
'gzip', 'age': '3080', 'content-language': 'en', 'vary': 'Accept-Encoding,Cookie',
'server': 'Apache', 'last-modified': 'Wed, 13 Jun 2012 01:33:50 GMT',
'connection': 'close', 'cache-control': 'private, s-maxage=0, max-age=0,
must-revalidate', 'date': 'Thu, 14 Jun 2012 12:59:39 GMT', 'content-type':
'text/html; charset=UTF-8', 'x-cache-lookup': 'HIT from cp1006.eqiad.wmnet:3128,
MISS from cp1010.eqiad.wmnet:80'}

如果想得到发送到服务器的请求头部，可以使用响应对象的request属性的headers属性。

>>> r.request.headers
{'Accept-Encoding': 'identity, deflate, compress, gzip',
'Accept': '*/*', 'User-Agent': 'python-requests/0.13.1'}

4.3 SSL 证书验证

Requests可以为 HTTPS 请求验证 SSL 证书，就像 Web 浏览器一样。SSL 验证默认是开启的，如果证书验证失败，Requests会抛出 SSLError。
可以为verify传入CA_BUNDLE文件的路径，或者包含可信任 CA 证书文件的文件夹路径。

>>> requests.get('https://github.com', verify='/path/to/certfile')

或者将其保持在会话中：

s = requests.Session()
s.verify = '/path/to/certfile'

如果将verify设置为False，Requests也能忽略对 SSL 证书的验证。

>>> requests.get('https://kennethreitz.org', verify=False)
<Response [200]>

默认情况下， verify为True。选项 verify仅应用于主机证书。

4.4 客户端证书

Requests可以指定本地证书用作客户端证书，可以是单个文件（包含密钥和证书）或一个包含两个文件路径的元组：

>>> requests.get('https://kennethreitz.org', cert=('/path/client.cert', '/path/client.key'))
<Response [200]>

或者保持在会话中：

s = requests.Session()
s.cert = '/path/client.cert'

4.5 CA 证书

Requests默认附带了一套根证书，来自于 Mozilla trust store，但是它们只有在Requests更新时才会更新。这意味着如果固定使用某一版本的Requests，证书有可能已经太旧了。
从 Requests 2.4.0版之后，如果系统中安装了certifi包，Requests会试图使用它的证书。这样用户就可以在不修改代码的情况下更新可信任证书。为了安全起见，certifi包应该经常更新！

4.6 代理

如果需要使用代理，可以通过为请求方法提供proxies参数来配置单个请求。

import requests
proxies = {
  "http": "http://10.10.1.10:3128",
  "https": "http://10.10.1.10:1080",
}
requests.get("http://example.org", proxies=proxies)

也可以通过环境变量HTTP_PROXY和HTTPS_PROXY来配置全局代理。

$ 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")

如果代理需要使用HTTP Basic Auth，可以使用http://user:password@host/语法：

proxies = {
    "http": "http://user:pass@10.10.1.10:3128/",
}

要为特定的连接方式或者主机设置代理，使用scheme://hostname作为 key，它会针对指定的主机和连接方式进行匹配。

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

注意，代理 URL 必须包含连接方式。

4.7 SOCKS代理

除了基本的 HTTP 代理，Requests还支持 SOCKS 协议的代理。
这是一个可选功能，若要使用，需要安装第三方库。

$ pip install requests[socks]

安装好依赖以后，使用 SOCKS 代理和使用 HTTP 代理的方法一样。

proxies = {
    'http': 'socks5://user:pass@host:port',
    'https': 'socks5://user:pass@host:port'
}

4.8 超时（timeout）

为防止服务器不能及时响应，大部分请求都应该使用timeout参数。在默认情况下，除非显式指定了timeout值，Requests是不会自动进行超时处理的。如果没有timeout，代码可能会挂起若干分钟甚至更长时间。
连接超时指的是在客户端实现到远端机器端口的连接时，Requests 会等待的秒数。一个很好的实践方法是把连接超时设为比 3 的倍数略大的一个数值，因为 TCP 数据包重传窗口 (TCP packet retransmission window) 的默认大小是 3。
一旦客户端连接到了服务器并且发送了 HTTP 请求，读取超时指的就是客户端等待服务器发送请求的时间。（特定地，它指的是客户端要等待服务器发送字节之间的时间。在 99.9% 的情况下这指的是服务器发送第一个字节之前的时间）。

timeout参数为单一值时为连接的超时时间。
```
r = requests.get('https://github.com', timeout=5)
```
timeout参数为二元组时，两个值分别为连接和读取的超时时间。
```
r = requests.get('https://github.com', timeout=(3.05, 27))
```
如果远端服务器很慢，传入None作为timeout值可以让Requests永远等待。
```
r = requests.get('https://github.com', timeout=None)
```

4.9 编码方式

接收响应时，Requests会猜测响应的编码方式，只有当 HTTP 头部不存在明确指定的字符集，并且Content-Type头部字段包含text值时，Requests才不去猜测编码方式。在这种情况下， RFC 2616 指定默认字符集必须是ISO-8859-1。Requests遵从这一规范。如果你需要一种不同的编码方式，可以手动设置Response.encoding属性，或使用原始的Response.content。

mighty13

关注

2
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
Requests简明教程

本教程基于Requests V2.18.1文档汇编、整理。一、简介Requests是一个基于urllib3的开源Python HTTP库，项目以Apache2协议发布。二、安装$ pip install requests三、快速上手3.1 发送请求# 导入requests>>> import requests# 使用get方法请求某个URL，返回值r为Response对象。r对象包含了我们的所需信息。>>> r = requests.get('http
复制链接

扫一扫