文章内容
一、Requests简介
urllib库参考：Python 爬虫之urllib库
Requests是用python语言基于urllib编写的，该模块主要用来发 送 HTTP 请求，requests 模块比 urllib 模块更简洁，是学习 python 爬虫的较好的http请求模块。
不是 python 的内置库，如果没有安装，可以安装先。
pip install requests
二、各种请求方式
requests里提供个各种请求方式，每次调用 requests 请求之后，会返回一个 response 对象，该对象包含了具体的响应信息。响应信息属性或方法如下：
- 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
1、基本Get 请求
import requests
x = requests.get('http://www.baidu.com')
print(x.status_code)
print(x.reason)
print(x.apparent_encoding)
print(x.text)
执行结果：
200
OK
utf-8
<!DOCTYPE html>
<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8>.....
请求 json 数据文件，返回 json 内容：通过params参数传递一个字典内容，从而直接构造url
import requests
params = {
'name': 'zhangsan',
'age': 100
}
x = requests.get('http://httpbin.org/get',params=params)
print(x.url)
print(x.json())
执行结果：
http://httpbin.org/get?name=zhangsan&age=100
{'args': {'age': '100', 'name': 'zhangsan'}, 'headers': {'...
1）抓取二进制数据
在上面的例子中，我们抓取的是网站的一个页面，实际上它返回的是一个 HTML 文档。如果想抓取图片、音频、视频等文件，需要用到content，这样获取的数据是二进制数据。
如抓取百度logo图片：
import requests
x = requests.get('https://www.baidu.com/img/flexible/logo/pc/result.png')
print(x.content)
执行结果：
b'x89PNGrnx1anx00x00x00rIHDRx00x00x00xcax00
得到的是一串二进制的乱码，如果想得到图片，直接将其保存到本地即可。
import requests
x = requests.get('https://www.baidu.com/img/flexible/logo/pc/result.png')
with open('baidulogo.png','wb') as f:
f.write(x.content)
执行后，在本地目录，可以看到图片已经下载
2）添加headers
有些网页，必须需要headers才能访问。这时只需要将参赛传到 headers参数中即可，如下所示：
import requests
headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'
}
x = requests.get('https://baidu.com/', headers=headers)
print(x.text)
2、基本POST请求
在爬虫中，另外一个比较常见的请求方式就是 POST 请求，跟GET用法差不多。
post() 方法可以发送 POST 请求到指定 url，一般格式如下：
requests.post(url, data={key: value}, json={key: value}, args)
- url 请求 url。
- data 参数为要发送到指定 url 的字典、元组列表、字节或文件对象。
- json 参数为要发送到指定 url 的 JSON 对象。
- args 为其他参数，比如 cookies、headers、verify等。
import requests
data = {'name': 'zhangsan', 'age': '100'}
x = requests.post("http://httpbin.org/post", data=data)
print(x.text)
执行结果：
{
"args": {},
"data": "",
"files": {},
"form": {
"age": "100",
"name": "zhangsan"
},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Content-Length": "21",
....
3、其他请求
其他请求可以自行测试，差不多用法。
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')
三、requests方法
requests 方法如下表：
- 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
1、发送请求
import requests
# 发送请求
x = requests.request('get', 'https://httpbin.org/')
# 返回网页内容
print(x.status_code)
执行结果：
200
2、设置请求头
设置请求头：
# 导入 requests 包
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://httpbin.org", 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)
执行结果：
200
utf-8
https://httpbin.org/?s=python+%E6%95%99%E7%A8%8B
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>httpbin.org</title>
<link href="https://fonts.googleapis.com/css?family=Open+Sans:400,700|Source+Code+Pro:300,600|Titillium+Web:400,600,700"
rel="stylesheet">
....
四、requests其他高级用法
1、文件上传
实现方法和其他参数类似，也是构造一个字典然后通过files参数传递。
import requests
files= {"files":open("git.jpeg","rb")}
response = requests.post("http://httpbin.org/post",files=files)
print(response.text)
2、获取cookie
import requests
response = requests.get("http://www.baidu.com")
print(response.cookies)
for key,value in response.cookies.items():
print(key+"="+value)
3、会话维持
cookie的一个作用就是可以用于模拟登陆，做会话维持。
import requests
s = requests.Session()
s.get("http://httpbin.org/cookies/set/number/123456")
response = s.get("http://httpbin.org/cookies")
print(response.text)
4、证书验证
现在的很多网站都是https的方式访问，所以这个时候就涉及到证书的问题，有时遇到：requests.exceptions.SSLError: HTTPSConnectionPool 错误。
import requests
from requests.packages import urllib3
urllib3.disable_warnings()
response = requests.get("https://httpbin.org",verify=False)
print(response.status_code)
当然，我们也可以指定一个本地证书用作客户端证书，这可以是单个文件（包含密钥和证书）或一个包含两个文件路径的元组：
import requests
response = requests.get('https://httpbin.org/', cert=('/path/server.crt', '/path/server.key'))
print(response.status_code)
上面的代码是演示实例，我们需要有 crt 和 key 文件，并且指定它们的路径。另外注意，本地私有证书的 key 必须是解密状态，加密状态的 key是不支持的。
5、代理设置
import requests
from requests.auth import HTTPBasicAuth
response = requests.get("http://192.168.152.100:9001/",auth=HTTPBasicAuth("user","123"))
print(response.status_code)
还有一种方式
import requests
response = requests.get("http://192.168.152.100:9001/",auth=("user","123"))
print(response.status_code)
6、超时设置
在某些网络情况不好的情况下，服务器可能很久才会响应甚至无法响应，此时就需要设置超时来避免无限的等待。在 requests 中，我们可以通过 timeout 参数来设置超时时间，这个时间是发出请求到服务器返回的整个过程所用的时间，即连接和读取两个过程，单位为秒。当然，也可以分别设置连接和读取各自的超时时间：
import requests
r = requests.get('https://httpbin.org/get', timeout=1)
print(r.status_code)
r = requests.get('https://httpbin.org/get', timeout=(5, 30))
当然，如果不设置 timeout 或者将其设置为 None ,则表示不会进行超时处理，即会永久等待下去。