python爬虫-requests基本使用

python编程快速上手（持续更新中…）

python爬虫从入门到精通

---

---

概述

虽然Python的标准库中 urllib2 模块已经包含了平常我们使用的大多数功能，但是它的 API 使用起来让人感觉不太好，而 Requests 自称 “HTTP for Humans”，说明使用更简洁方便。
Requests 唯一的一个非转基因的 Python HTTP 库，人类可以安全享用：）

Requests 继承了urllib2的所有特性。Requests支持HTTP连接保持和连接池，支持使用cookie保持会话，支持文件上传，支持自动确定响应内容的编码，支持国际化的 URL 和 POST 数据自动编码。

requests 的底层实现其实就是 urllib3
Requests的文档非常完备，中文文档也相当不错。Requests能完全满足当前网络的需求，支持Python 2.6—3.5，而且能在PyPy下完美运行。

开源地址：https://github.com/kennethreitz/requests

中文文档 API： http://docs.python-requests.org/zh_CN/latest/index.html

安装方式

利用 pip 安装 或者利用 easy_install 都可以完成安装：

$ pip install requests
或者
$ easy_install requests

基本GET请求（headers参数 和 parmas参数）

1. 最基本的GET请求可以直接用get方法

response = requests.get("http://www.baidu.com/")
# 也可以这么写# response = requests.request("get", "http://www.baidu.com/")

2. 添加 headers 和 查询参数

如果想添加 headers，可以传入参数来增加请求头中的headers信息。如果要将参数放在url中传递，可以利用 参数。headersparams

import requests

kw = {'wd':'长城'}

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("http://www.baidu.com/s?", params = kw, headers = headers)

查看响应内容，response.text 返回的是Unicode格式的数据print response.text
查看响应内容，response.content返回的字节流数据print respones.content
查看完整url地址print response.url
查看响应头部字符编码print response.encoding
查看响应码print response.status_code

运行结果

‘http://www.baidu.com/s?wd=%E9%95%BF%E5%9F%8E’

‘utf-8’

200

使用response.text 时，Requests 会基于 HTTP 响应的文本编码自动解码响应内容，大多数 Unicode 字符集都能被无缝地解码。

使用response.content 时，返回的是服务器响应数据的原始二字节进制流，可以用来保存图片等二进制文件。

基本POST请求（data参数）

1. 最基本的GET请求可以直接用post方法

response = requests.post("http://www.baidu.com/", data = data)

2. 传入数据数据(有道词典翻译)

对于 POST 请求来说，我们一般需要为它增加一些参数。那么最基本的传参方法可以利用 这个参数。data

import requests

formdata = {
    "i":"我爱python",
    "from":"AUTO",
    "to":"AUTO",
    "doctype":"json",
}

url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null"

headers={ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36"}

response = requests.post(url, data = formdata, headers = headers)

print (response.text)

# 如果是json文件可以直接显示
print (response.json())

运行结果

{“type”:“ZH_CN2EN”,“errorCode”:0,“elapsedTime”:7,“translateResult”:[[{“src”:“我爱python”,“tgt”:“I love the python”}]]}

proxies（代理参数）

如果需要使用代理，你可以通过为任意请求方法提供 参数来配置单个请求：proxies

import requests
# 根据协议类型，选择不同的代理
proxies = {"http": "http://12.34.56.79:9527"}
response = requests.get("http://www.baidu.com", proxies = proxies)
print response.text

linux也可以通过本地环境变量 和 来配置代理：HTTP_PROXYHTTPS_PROXY

export HTTP_PROXY=“http://12.34.56.79:9527”
export HTTPS_PROXY=“https://12.34.56.79:9527”

私密代理验证（特定格式） 和 Web客户端验证（auth 参数）

urllib2 这里的做法比较复杂，requests只需要一步：

import requests
# 如果代理需要使用HTTP Basic Auth，可以使用下面这种格式：
proxy = { "http": "admin:123456@12.34.56.79:16816" }

response = requests.get("http://www.baidu.com", proxies = proxy)
print response.text

web客户端验证

如果是Web客户端验证，需要添加 auth = （账户名， 密码）

mport requests

auth=('test', '123456')

response = requests.get('http://192.168.199.107', auth = auth)
print response.text

cookie 和 session

cookie

如果一个响应中包含了 cookie，那么我们可以利用 cookies 参数拿到：

import requests

response = requests.get("http://www.baidu.com/")
# 7. 返回CookieJar对象:
cookiejar = response.cookies
# 8. 将CookieJar转为字典：
cookiedict = requests.utils.dict_from_cookiejar(cookiejar)
print cookiejar
print cookiedict

运行结果：

<RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>

{‘BDORZ’: ‘27315’}

Session

在 requests 里，session对象是一个非常常用的对象，这个对象代表一次用户会话：从客户端浏览器连接服务器开始，到客户端浏览器与服务器断开。

会话能让我们在跨请求时候保持某些参数，比如在同一个 会话 实例发出的所有请求之间保持 cookie 。

实现人人网登录(session)

import requests
# 1. 创建session对象，可以保存Cookie值
ssion = requests.session()
# 2. 处理 headers
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"}
# 3. 需要登录的用户名和密码
data = {"email":"mr_mao_hacker@163.com", "password":"alarmchime"}  
# 4. 发送附带用户名和密码的请求，并获取登录后的Cookie值，保存在ssion里
ssion.post("http://www.renren.com/PLogin.do", data = data)
# 5. ssion包含用户登录后的Cookie值，可以直接访问那些登录后才可以访问的页面
response = ssion.get("http://www.renren.com/410043129/profile")
# 6. 打印响应内容print response.text

处理HTTPS请求 SSL证书验证

Requests也可以为HTTPS请求验证SSL证书：
要想检查某个主机的SSL证书，你可以使用 verify 参数（也可以不写）

import requests
response = requests.get("https://www.baidu.com/", verify=True)
# 也可以省略不写# response = requests.get("https://www.baidu.com/")
print response.text

运行结果：

<!DOCTYPE html>
<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge>百度一下，你就知道 ....

如果SSL证书验证不通过，或者不信任服务器的安全证书，则会报出SSLError，据说 12306 证书是自己做的：

来测试一下：

import requests
response = requests.get("https://www.12306.cn/mormhweb/")
print response.text

如果我们想跳过 12306 的证书验证，把 verify 设置为 False 就可以正常请求了。

r = requests.get("https://www.12306.cn/mormhweb/", verify = False)