python爬虫（四）之 Requests库的基本使用

拼搏现实的明天。 2021-11-22 07:24 460阅读 0赞

### 什么是Requests？ ###

Requests是用python语言基于urllib编写的，采用的是Apache2 Licensed开源协议的HTTP库  
如果你看过上篇文章关于urllib库的使用，你会发现，其实urllib还是非常不方便的，而Requests它会比urllib更加方便，可以节约我们大量的工作。（用了requests之后，你基本都不愿意用urllib了）**一句话，requests是python实现的最简单易用的HTTP库，建议爬虫使用requests库**。

默认安装好python之后，是没有安装requests模块的，需要单独通过pip安装

### requests功能详解 ###

总体功能的一个演示

import requests
    
    response  = requests.get("https://www.baidu.com")
    print(type(response))
    print(response.status_code)
    print(type(response.text))
    print(response.text)
    print(response.cookies)
    print(response.content)
    print(response.content.decode("utf-8")) //以utf-8格式解码

我们可以看出response使用起来确实非常方便，这里有个问题需要注意一下：  
很多情况下的网站如果直接response.text会出现乱码的问题，所以这个使用response.content  
这样返回的数据格式其实是二进制格式，然后通过decode()转换为utf-8，这样就解决了通过response.text直接返回显示乱码的问题.

请求发出后，Requests 会基于 HTTP 头部对响应的编码作出有根据的推测。当你访问 response.text 之时，Requests 会使用其推测的文本编码。你可以找出 Requests 使用了什么编码，并且能够使用 response.encoding 属性来改变它.如：

response =requests.get("http://www.baidu.com")
    response.encoding="utf-8"
    print(response.text)

不管是通过response.content.decode("utf-8)的方式还是通过response.encoding="utf-8"的方式都可以避免乱码的问题发生

#### 各种请求方式 ####

requests里提供个各种请求方式

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

##### 请求 #####

**基本GET请求**

import requests
    
    response = requests.get('http://httpbin.org/get')
    print(response.text)

带参数的GET请求，例子1

import requests
    
    response = requests.get("http://httpbin.org/get?name=zhaofan&age=23")
    print(response.text)

如果我们想要在URL查询字符串传递数据，通常我们会通过`httpbin.org/get?key=val`方式传递。Requests模块允许使用params关键字传递参数，以一个字典来传递这些参数，例子如下：

import requests
    data = {
        "name":"zhaofan",
        "age":22
    }
    response = requests.get("http://httpbin.org/get",params=data)
    print(response.url)
    print(response.text)

上述两种的结果是相同的，通过params参数传递一个字典内容，从而直接构造url  
**注意：第二种方式通过字典的方式的时候，如果字典中的参数为None则不会添加到url上**

**解析json**

import requests
    import json
    
    response = requests.get("http://httpbin.org/get")
    print(type(response.text))
    print(response.json())
    print(json.loads(response.text))
    print(type(response.json()))

从结果可以看出requests里面集成的json其实就是执行了json.loads()方法，两者的结果是一样的

**获取二进制数据**

在上面提到了response.content，这样获取的数据是二进制数据，同样的这个方法也可以用于下载图片以及  
视频资源

**添加headers**  
和前面我们将urllib模块的时候一样，我们同样可以定制headers的信息，如当我们直接通过requests请求知乎网站的时候，默认是无法访问的

import requests
    response =requests.get("https://www.zhihu.com")
    print(response.text)

这样会得到如下的错误  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70]  
因为访问知乎需要头部信息，这个时候我们在谷歌浏览器里输入chrome://version,就可以看到用户代理，将用户代理添加到头部信息

import requests
    headers = {
    
        "User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36"
    }
    response =requests.get("https://www.zhihu.com",headers=headers)
    
    print(response.text)

这样就可以正常的访问知乎了

**基本POST请求**  
通过在发送post请求时添加一个data参数，这个data参数可以通过字典构造成，这样  
对于发送post请求就非常方便

import requests
    
    data = {
        "name":"zhaofan",
        "age":23
    }
    response = requests.post("http://httpbin.org/post",data=data)
    print(response.text)

同样的在发送post请求的时候也可以和发送get请求一样通过headers参数传递一个字典类型的数据

**响应**  
我们可以通过response获得很多属性，例子如下

import requests
    
    response = requests.get("http://www.baidu.com")
    print(type(response.status_code),response.status_code)
    print(type(response.headers),response.headers)
    print(type(response.cookies),response.cookies)
    print(type(response.url),response.url)
    print(type(response.history),response.history)

结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 1]  
**状态码判断**  
Requests还附带了一个内置的状态码查询对象  
主要有如下内容：

100: (‘continue’,),  
101: (‘switching\_protocols’,),  
102: (‘processing’,),  
103: (‘checkpoint’,),  
122: (‘uri\_too\_long’, ‘request\_uri\_too\_long’),  
200: (‘ok’, ‘okay’, ‘all\_ok’, ‘all\_okay’, ‘all\_good’, ‘\\o/’, ‘✓’),  
201: (‘created’,),  
202: (‘accepted’,),  
203: (‘non\_authoritative\_info’, ‘non\_authoritative\_information’),  
204: (‘no\_content’,),  
205: (‘reset\_content’, ‘reset’),  
206: (‘partial\_content’, ‘partial’),  
207: (‘multi\_status’, ‘multiple\_status’, ‘multi\_stati’, ‘multiple\_stati’),  
208: (‘already\_reported’,),  
226: (‘im\_used’,),

Redirection.（重定向）  
300: (‘multiple\_choices’,),  
301: (‘moved\_permanently’, ‘moved’, ‘\\o-’),  
302: (‘found’,),  
303: (‘see\_other’, ‘other’),  
304: (‘not\_modified’,),  
305: (‘use\_proxy’,),  
306: (‘switch\_proxy’,),  
307: (‘temporary\_redirect’, ‘temporary\_moved’, ‘temporary’),  
308: (‘permanent\_redirect’,  
‘resume\_incomplete’, ‘resume’,), \# These 2 to be removed in 3.0

Client Error.（客户端错误）  
400: (‘bad\_request’, ‘bad’),  
401: (‘unauthorized’,),  
402: (‘payment\_required’, ‘payment’),  
403: (‘forbidden’,),  
404: (‘not\_found’, ‘-o-’),  
405: (‘method\_not\_allowed’, ‘not\_allowed’),  
406: (‘not\_acceptable’,),  
407: (‘proxy\_authentication\_required’, ‘proxy\_auth’, ‘proxy\_authentication’),  
408: (‘request\_timeout’, ‘timeout’),  
409: (‘conflict’,),  
410: (‘gone’,),  
411: (‘length\_required’,),  
412: (‘precondition\_failed’, ‘precondition’),  
413: (‘request\_entity\_too\_large’,),  
414: (‘request\_uri\_too\_large’,),  
415: (‘unsupported\_media\_type’, ‘unsupported\_media’, ‘media\_type’),  
416: (‘requested\_range\_not\_satisfiable’, ‘requested\_range’, ‘range\_not\_satisfiable’),  
417: (‘expectation\_failed’,),  
418: (‘im\_a\_teapot’, ‘teapot’, ‘i\_am\_a\_teapot’),  
421: (‘misdirected\_request’,),  
422: (‘unprocessable\_entity’, ‘unprocessable’),  
423: (‘locked’,),  
424: (‘failed\_dependency’, ‘dependency’),  
425: (‘unordered\_collection’, ‘unordered’),  
426: (‘upgrade\_required’, ‘upgrade’),  
428: (‘precondition\_required’, ‘precondition’),  
429: (‘too\_many\_requests’, ‘too\_many’),  
431: (‘header\_fields\_too\_large’, ‘fields\_too\_large’),  
444: (‘no\_response’, ‘none’),  
449: (‘retry\_with’, ‘retry’),  
450: (‘blocked\_by\_windows\_parental\_controls’, ‘parental\_controls’),  
451: (‘unavailable\_for\_legal\_reasons’, ‘legal\_reasons’),  
499: (‘client\_closed\_request’,),

Server Error.（服务器错误）  
500: (‘internal\_server\_error’, ‘server\_error’, ‘/o’, ‘✗’),  
501: (‘not\_implemented’,),  
502: (‘bad\_gateway’,),  
503: (‘service\_unavailable’, ‘unavailable’),  
504: (‘gateway\_timeout’,),  
505: (‘http\_version\_not\_supported’, ‘http\_version’),  
506: (‘variant\_also\_negotiates’,),  
507: (‘insufficient\_storage’,),  
509: (‘bandwidth\_limit\_exceeded’, ‘bandwidth’),  
510: (‘not\_extended’,),  
511: (‘network\_authentication\_required’, ‘network\_auth’, ‘network\_authentication’),

通过下面例子测试：（不过通常还是通过状态码判断更方便）

import requests
    
    response= requests.get("http://www.baidu.com")
    if response.status_code == requests.codes.ok:
        print("访问成功")

**requests高级用法**

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)

结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 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)

**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()   //通过创建一个session对象，两次请求都通过这个对象访问
    s.get("http://httpbin.org/cookies/set/number/123456")
    response = s.get("http://httpbin.org/cookies")
    print(response.text)

这是正确的写法，而下面的写法则是错误的

import requests
    
    requests.get("http://httpbin.org/cookies/set/number/123456")
    response = requests.get("http://httpbin.org/cookies")
    print(response.text)

因为这种方式是两次requests请求之间是独立的

**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

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

默认的12306网站的证书是不合法的，这样就会提示如下错误![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 3]  
为了避免这种情况的发生可以通过verify=False  
但是这样是可以访问到页面，但是会提示：  
InsecureRequestWarning: Unverified HTTPS request is being made. Adding certificate verification is strongly advised. See: [https://urllib3.readthedocs.io/en/latest/advanced-usage.html\#ssl-warnings][https_urllib3.readthedocs.io_en_latest_advanced-usage.html_ssl-warnings] InsecureRequestWarning)

解决方法为：

import requests
    from requests.packages import urllib3
    urllib3.disable_warnings()
    response = requests.get("https://www.12306.cn",verify=False)
    print(response.status_code)

这样就不会提示警告信息，当然也可以通过cert参数放入证书路径

**代理设置**

import requests
    
    proxies= {
        "http":"http://127.0.0.1:9999",
        "https":"http://127.0.0.1:8888"
    }
    response  = requests.get("https://www.baidu.com",proxies=proxies)
    print(response.text)

如果代理需要设置账户名和密码,只需要将字典更改为如下：

proxies = {
    "http":"http://user:password@127.0.0.1:9999"
    }

如果你的代理是通过sokces这种方式则需要pip install “requests\[socks\]”

proxies= {
    "http":"socks5://127.0.0.1:9999",
    "https":"sockes5://127.0.0.1:8888"
    }

**超时设置**  
通过timeout参数可以设置超时的时间

**认证设置**  
如果碰到需要认证的网站可以通过requests.auth模块实现

import requests
    
    from requests.auth import HTTPBasicAuth
    
    response = requests.get("http://120.27.34.24:9001/",auth=HTTPBasicAuth("user","123"))
    print(response.status_code)

当然这里还有一种方式

import requests
    
    response = requests.get("http://120.27.34.24:9001/",auth=("user","123"))
    print(response.status_code)

**异常处理**

所有的异常都是在requests.excepitons中  
这里列举了一些常用的异常继承关系，详细的可以看：  
[http://cn.python-requests.org/zh\_CN/latest/\_modules/requests/exceptions.html\#RequestException][http_cn.python-requests.org_zh_CN_latest_modules_requests_exceptions.html_RequestException]  
从源码我们可以看出RequestException继承IOError,  
HTTPError，ConnectionError,Timeout继承RequestionException  
ProxyError，SSLError继承ConnectionError  
ReadTimeout继承Timeout异常

通过下面的例子进行简单的演示

import requests
    
    from requests.exceptions import ReadTimeout,ConnectionError,RequestException
    
    
    try:
        response = requests.get("http://httpbin.org/get",timout=0.1)
        print(response.status_code)
    except ReadTimeout:
        print("timeout")
    except ConnectionError:
        print("connection Error")
    except RequestException:
        print("error")

其实最后测试可以发现，首先被捕捉的异常是timeout,当把网络断掉的haul就会捕捉到ConnectionError，如果前面异常都没有捕捉到，最后也可以通过RequestExctption捕捉到

本文转载自：[https://www.cnblogs.com/zhaof/p/6915127.html][https_www.cnblogs.com_zhaof_p_6915127.html]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70]: /images/20211122/248ada8871004a66a1c2128a556c312f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 1]: /images/20211122/846a215a07f84fb59b90c0ec86a6551b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 2]: /images/20211122/af91e2e0f64b46439f7b22174ff277ef.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 3]: /images/20211122/bf1461522eb744a9af604ac3057144f4.png
[https_urllib3.readthedocs.io_en_latest_advanced-usage.html_ssl-warnings]: https://urllib3.readthedocs.io/en/latest/advanced-usage.html#ssl-warnings
[http_cn.python-requests.org_zh_CN_latest_modules_requests_exceptions.html_RequestException]: http://cn.python-requests.org/zh_CN/latest/_modules/requests/exceptions.html#RequestException
[https_www.cnblogs.com_zhaof_p_6915127.html]: https://www.cnblogs.com/zhaof/p/6915127.html