Python中Requests库的高级用法

前面讲了Python的urllib库的使用和方法，Python网络数据采集Urllib库的基本使用 ，Python的urllib高级用法 。

今天我们来学习下Python中Requests库的用法。

 

 

Requests库的安装

利用 pip 安装，如果你安装了pip包(一款Python包管理工具，不知道可以百度哟)，或者集成环境，比如Python(x,y)或者anaconda的话，就可以直接使用pip安装Python的库。

$ pip install requests

安装完成之后，下面来看一下基本的方法：

#get请求方法

>>> r = requests.get('https://api.github.com/user', auth=('user', 'pass'))

#打印get请求的状态码

>>> r.status_code

200

#查看请求的数据类型，可以看到是json格式，utf-8编码

>>> r.headers['content-type']

'application/json; charset=utf8'

>>> r.encoding

'utf-8'

#打印请求到的内容

>>> r.text

u'{"type":"User"...'

#输出json格式数据

>>> r.json()

{u'private_gists': 419, u'total_private_repos': 77, ...}

下面看一个小栗子：

#小例子

import requests

r = requests.get('http://www.baidu.com')

print type(r)

print r.status_code

print r.encoding

print r.text

print r.cookies

'''请求了百度的网址，然后打印出了返回结果的类型，状态码，编码方式，Cookies等内容 输出：'''

200

UTF-8

http基本请求

requests库提供了http所有的基本请求方式。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请求

r = requests.get("http://httpbin.org/get")

#如果想要加参数，可以利用 params 参数：

import requests

payload = {'key1': 'value1', 'key2': 'value2'}

r = requests.get("http://httpbin.org/get", params=payload)

print r.url

#输出：http://httpbin.org/get?key2=value2&key1=value1

如果想请求JSON文件，可以利用 json() 方法解析，例如自己写一个JSON文件命名为a.json，内容如下：

["foo", "bar", {

"foo": "bar"

}]

#利用如下程序请求并解析：

import requests

r = requests.get("a.json")

print r.text

print r.json()

'''运行结果如下，其中一个是直接输出内容，另外一个方法是利用 json() 方法 解析，感受下它们的不同:'''

["foo", "bar", {

"foo": "bar"

}]

[u'foo', u'bar', {u'foo': u'bar'}]

如果想获取来自服务器的原始套接字响应，可以取得 r.raw 。 不过需要在初始请求中设置 stream=True 。

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

r.raw

#输出

r.raw.read(10)

'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03'

这样就获取了网页原始套接字内容。

如果想添加 headers，可以传 headers 参数：

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

#通过headers参数可以增加请求头中的headers信息

基本POST请求

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 data 这个参数。

import requests

payload = {'key1': 'value1', 'key2': 'value2'}

r = requests.post("http://httpbin.org/post", data=payload)

print r.text

#运行结果如下：

{

"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"

}

可以看到参数传成功了，然后服务器返回了我们传的数据。

有时候我们需要传送的信息不是表单形式的，需要我们传JSON格式的数据过去，所以我们可以用 json.dumps() 方法把表单数据序列化。

import json

import requests

url = 'http://httpbin.org/post'

payload = {'some': 'data'}

r = requests.post(url, data=json.dumps(payload))

print r.text

#运行结果：

{

"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"

}

通过上述方法，我们可以POST JSON格式的数据

如果想要上传文件，那么直接用 file 参数即可：

#新建一个 test.txt 的文件，内容写上 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"

}

这样我们便成功完成了一个文件的上传。

requests 是支持流式上传的，这允许你发送大的数据流或文件而无需先把它们读入内存。要使用流式上传，仅需为你的请求体提供一个类文件对象即可，非常方便：

with open('massive-body') as f:

requests.post('http://some.url/streamed', data=f)

Cookies

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

import requests

url = 'Example Domain'

r = requests.get(url)

print r.cookies

print r.cookies['example_cookie_name']

以上程序仅是样例，可以用 cookies 变量来得到站点的 cookies

另外可以利用 cookies 变量来向服务器发送 cookies 信息:

import requests

url = 'http://httpbin.org/cookies'

cookies = dict(cookies_are='working')

r = requests.get(url, cookies=cookies)

print r.text

#输出：

'{"cookies": {"cookies_are": "working"}}'

超时配置

可以利用 timeout 变量来配置最大请求时间

requests.get(‘Build software better, together’, timeout=0.001)

注：timeout 仅对连接过程有效，与响应体的下载无关。

也就是说，这个时间只限制请求的时间。即使返回的 response 包含很大内容，下载需要一定时间。

会话对象

在以上的请求中，每次请求其实都相当于发起了一个新的请求。也就是相当于我们每个请求都用了不同的浏览器单独打开的效果。也就是它并不是指的一个会话，即使请求的是同一个网址。比如：

import requests

requests.get('http://httpbin.org/cookies/set/sessioncookie/123456789')

r = requests.get("http://httpbin.org/cookies")

print(r.text)

#结果是：

{

"cookies": {}

}

很明显，这不在一个会话中，无法获取 cookies，那么在一些站点中，我们需要保持一个持久的会话怎么办呢?就像用一个浏览器逛淘宝一样，在不同的选项卡之间跳转，这样其实就是建立了一个长久会话。

解决方案如下：

import requests

s = requests.Session()

s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')

r = s.get("http://httpbin.org/cookies")

print(r.text)

#在这里我们请求了两次，一次是设置 cookies，一次是获得 cookies

{

"cookies": {

"sessioncookie": "123456789"

}

}

发现可以成功获取到 cookies 了，这就是建立一个会话到作用。

那么既然会话是一个全局的变量，那么我们肯定可以用来全局的配置了。

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

'''通过 s.headers.update 方法设置了 headers 的变量。然后我们又在请求中 设置了一个 headers，那么会出现什么结果?很简单，两个变量都传送过去了。 运行结果:'''

{

"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方法传的headers 同样也是 x-test 呢?

r = s.get('http://httpbin.org/headers', headers={'x-test': 'true'})

#它会覆盖掉全局的配置：

{

"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个变量了呢?很简单，设置为 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 会话的基本用法。

SSL证书验证

现在随处可见 https 开头的网站，Requests可以为HTTPS请求验证SSL证书，就像web浏览器一样。要想检查某个主机的SSL证书，你可以使用 verify 参数，因为前段时间12306 证书不是无效的嘛，来测试一下：

import requests

r = requests.get('https://kyfw.12306.cn/otn/', verify=True)

print r.text

#结果：

requests.exceptions.SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:590)

来试下 github 的：

import requests

r = requests.get('Build software better, together', verify=True)

print r.text

嗯，正常请求，由于内容太多，我就不粘贴输出了。

如果我们想跳过刚才 12306 的证书验证，把 verify 设置为 False 即可：

import requests

r = requests.get('https://kyfw.12306.cn/otn/', verify=False)

print r.text

发现就可以正常请求了。在默认情况下 verify 是 True，所以如果需要的话，需要手动设置下这个变量。

代理

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

import requests

proxies = {

"https": "http://41.118.132.69:4433"

}

r = requests.post("http://httpbin.org/post", proxies=proxies)

print r.text

#也可以通过环境变量 HTTP_PROXY 和 HTTPS_PROXY 来配置代理

export HTTP_PROXY="http://10.10.1.10:3128"

export HTTPS_PROXY="http://10.10.1.10:1080"