Python中Requests庫的用法

01-24

前面講了Python的urllib庫的使用和方法，Python網路數據採集Urllib庫的基本使用，Python的urllib高級用法。

今天我們來學習下Python中Requests庫的用法。

Requests庫的安裝

利用 pip 安裝，如果你安裝了pip包（一款Python包管理工具，不知道可以百度喲），或者集成環境，比如Python（x,y）或者anaconda的話，就可以直接使用pip安裝Python的庫。

$ pip install requests

安裝完成之後，下面來看一下基本的方法：

#get請求方法 >>> r = requests.get("https://api.github.com/user", auth=("user", "pass"))#列印get請求的狀態碼 >>> r.status_code200#查看請求的數據類型，可以看到是json格式，utf-8編碼 >>> r.headers["content-type"]"application/json; charset=utf8" >>> r.encoding"utf-8"#列印請求到的內容 >>> r.textu"{"type":"User"..."#輸出json格式數據 >>> r.json() {u"private_gists": 419, u"total_private_repos": 77, ...}

下面看一個小栗子：

#小例子import requestsr = requests.get("http://www.baidu.com")print type(r)print r.status_codeprint r.encodingprint r.textprint r.cookies"""請求了百度的網址，然後列印出了返回結果的類型，狀態碼，編碼方式，Cookies等內容輸出："""<class "requests.models.Response">200UTF-8<RequestsCookieJar[]>

http基本請求

requests庫提供了http所有的基本請求方式。例如：

r = requests.post("http://httpbin.org/post")r = requests.put("http://httpbin.org/put")r = requests.delete("http://httpbin.org/delete")r = requests.head("http://httpbin.org/get")r = requests.options("http://httpbin.org/get")

基本GET請求

r = requests.get("http://httpbin.org/get")#如果想要加參數，可以利用 params 參數：import requestspayload = {"key1": "value1", "key2": "value2"}r = requests.get("http://httpbin.org/get", params=payload)print r.url#輸出：http://httpbin.org/get?key2=value2&key1=value1

如果想請求JSON文件，可以利用 json() 方法解析，例如自己寫一個JSON文件命名為a.json，內容如下：

["foo", "bar", {
"foo": "bar"
}]
#利用如下程序請求並解析：
import requests
r = requests.get("a.json")
print r.text

print r.json()
"""運行結果如下，其中一個是直接輸出內容，另外一個方法是利用 json() 方法
解析，感受下它們的不同:"""
["foo", "bar", {
"foo": "bar"
}]
[u"foo", u"bar", {u"foo": u"bar"}]

如果想獲取來自伺服器的原始套接字響應，可以取得 r.raw 。不過需要在初始請求中設置 stream=True 。

r = requests.get("https://github.com/timeline.json", stream=True)
r.raw

#輸出
<requests.packages.urllib3.response.HTTPResponse object at 0x101194810>
r.raw.read(10)
"x1fx8bx08x00x00x00x00x00x00x03"

這樣就獲取了網頁原始套接字內容。

如果想添加 headers，可以傳 headers 參數：

import requests
payload = {"key1": "value1", "key2": "value2"}
headers = {"content-type": "application/json"}
r = requests.get("http://httpbin.org/get", params=payload, headers=headers)

print r.url
#通過headers參數可以增加請求頭中的headers信息

基本POST請求

對於 POST 請求來說，我們一般需要為它增加一些參數。那麼最基本的傳參方法可以利用 data 這個參數。

import requests
payload = {"key1": "value1", "key2": "value2"}
r = requests.post("http://httpbin.org/post", data=payload)
print r.text
#運行結果如下：
{
"args": {},

"data": "",
"files": {},
"form": {
"key1": "value1",
"key2": "value2"
},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Content-Length": "23",

"Content-Type": "application/x-www-form-urlencoded",
"Host": "http://httpbin.org",
"User-Agent": "python-requests/2.9.1"
},
"json": null,
"url": "http://httpbin.org/post"
}

可以看到參數傳成功了，然後伺服器返回了我們傳的數據。

有時候我們需要傳送的信息不是表單形式的，需要我們傳JSON格式的數據過去，所以我們可以用 json.dumps() 方法把表單數據序列化。

import json

import requests
url = "http://httpbin.org/post"
payload = {"some": "data"}
r = requests.post(url, data=json.dumps(payload))
print r.text
#運行結果：
{
"args": {},
"data": "{"some": "data"}",
"files": {},

"form": {},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Content-Length": "16",
"Host": "http://httpbin.org",
"User-Agent": "python-requests/2.9.1"
},
"json": {
"some": "data"

},
"url": "http://httpbin.org/post"
}

通過上述方法，我們可以POST JSON格式的數據

如果想要上傳文件，那麼直接用 file 參數即可：

#新建一個 test.txt 的文件，內容寫上 Hello World!
import requests
url = "http://httpbin.org/post"
files = {"file": open("test.txt", "rb")}
r = requests.post(url, files=files)
print r.text
{
"args": {},
"data": "",
"files": {
"file": "Hello World!"
},
"form": {},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Content-Length": "156",
"Content-Type": "multipart/form-data; boundary=7d8eb5ff99a04c11bb3e862ce78d7000",
"Host": "http://httpbin.org",
"User-Agent": "python-requests/2.9.1"
},
"json": null,
"url": "http://httpbin.org/post"
}

這樣我們便成功完成了一個文件的上傳。

requests 是支持流式上傳的，這允許你發送大的數據流或文件而無需先把它們讀入內存。要使用流式上傳，僅需為你的請求體提供一個類文件對象即可，非常方便：

with open("massive-body") as f:
requests.post("http://some.url/streamed", data=f)

Cookies

如果一個響應中包含了cookie，那麼我們可以利用 cookies 變數來拿到：

import requests
url = "Example Domain"
r = requests.get(url)
print r.cookies
print r.cookies["example_cookie_name"]

以上程序僅是樣例，可以用 cookies 變數來得到站點的 cookies

另外可以利用 cookies 變數來向伺服器發送 cookies 信息:

import requests
url = "http://httpbin.org/cookies"
cookies = dict(cookies_are="working")
r = requests.get(url, cookies=cookies)
print r.text
#輸出：
"{"cookies": {"cookies_are": "working"}}"

超時配置

可以利用 timeout 變數來配置最大請求時間

requests.get(『Build software better, together』, timeout=0.001)

註：timeout 僅對連接過程有效，與響應體的下載無關。

也就是說，這個時間只限制請求的時間。即使返回的 response 包含很大內容，下載需要一定時間。

會話對象

在以上的請求中，每次請求其實都相當於發起了一個新的請求。也就是相當於我們每個請求都用了不同的瀏覽器單獨打開的效果。也就是它並不是指的一個會話，即使請求的是同一個網址。比如：

import requests
requests.get("http://httpbin.org/cookies/set/sessioncookie/123456789")
r = requests.get("http://httpbin.org/cookies")
print(r.text)
#結果是：
{
"cookies": {}
}

很明顯，這不在一個會話中，無法獲取 cookies，那麼在一些站點中，我們需要保持一個持久的會話怎麼辦呢？就像用一個瀏覽器逛淘寶一樣，在不同的選項卡之間跳轉，這樣其實就是建立了一個長久會話。

解決方案如下：

import requests
s = requests.Session()
s.get("http://httpbin.org/cookies/set/sessioncookie/123456789")
r = s.get("http://httpbin.org/cookies")
print(r.text)
#在這裡我們請求了兩次，一次是設置 cookies，一次是獲得 cookies
{
"cookies": {
"sessioncookie": "123456789"
}
}

發現可以成功獲取到 cookies 了，這就是建立一個會話到作用。

那麼既然會話是一個全局的變數，那麼我們肯定可以用來全局的配置了。

import requests
s = requests.Session()
s.headers.update({"x-test": "true"})
r = s.get("http://httpbin.org/headers", headers={"x-test2": "true"})
print r.text
"""通過 s.headers.update 方法設置了 headers 的變數。然後我們又在請求中
設置了一個 headers，那麼會出現什麼結果？很簡單，兩個變數都傳送過去了。
運行結果:"""
{
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Host": "http://httpbin.org",
"User-Agent": "python-requests/2.9.1",
"X-Test": "true",
"X-Test2": "true"
}
}

如果get方法傳的headers 同樣也是 x-test 呢？

r = s.get("http://httpbin.org/headers", headers={"x-test": "true"})
#它會覆蓋掉全局的配置：
{
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Host": "http://httpbin.org",
"User-Agent": "python-requests/2.9.1",
"X-Test": "true"
}
}

如果不想要全局配置中的一個變數了呢？很簡單，設置為 None 即可。

r = s.get("http://httpbin.org/headers", headers={"x-test": None})
{
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Host": "http://httpbin.org",
"User-Agent": "python-requests/2.9.1"
}
}

以上就是 session 會話的基本用法。

SSL證書驗證

現在隨處可見 https 開頭的網站，Requests可以為HTTPS請求驗證SSL證書，就像web瀏覽器一樣。要想檢查某個主機的SSL證書，你可以使用 verify 參數，因為前段時間12306 證書不是無效的嘛，來測試一下：

import requests
r = requests.get("https://kyfw.12306.cn/otn/", verify=True)
print r.text
#結果：
requests.exceptions.SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:590)

來試下 github 的：

import requests
r = requests.get("Build software better, together", verify=True)
print r.text

嗯，正常請求，由於內容太多，我就不粘貼輸出了。

如果我們想跳過剛才 12306 的證書驗證，把 verify 設置為 False 即可：

import requests
r = requests.get("https://kyfw.12306.cn/otn/", verify=False)
print r.text

發現就可以正常請求了。在默認情況下 verify 是 True，所以如果需要的話，需要手動設置下這個變數。

代理

如果需要使用代理，你可以通過為任意請求方法提供 proxies 參數來配置單個請求。

import requests
proxies = {
"https": "http://41.118.132.69:4433"
}
r = requests.post("http://httpbin.org/post", proxies=proxies)
print r.text
#也可以通過環境變數 HTTP_PROXY 和 HTTPS_PROXY 來配置代理
export HTTP_PROXY="http://10.10.1.10:3128"
export HTTPS_PROXY="http://10.10.1.10:1080"

作者：Airy

個人公眾號：AiryData

出處：Airy

最近很多人私信問我問題，平常知乎評論看到不多，如果沒有及時回復，大家也可以加小編微信：tszhihu，進知乎大數據分析挖掘交流群，可以跟各位老師互相交流。謝謝。