requests是python的一個HTTP客戶端庫，跟urllib，urllib2類似，那為什么要用requests而不用urllib2呢？官方文檔中是這樣說明的：
python的標(biāo)準(zhǔn)庫urllib2提供了大部分需要的HTTP功能，但是API太逆天了，一個簡單的功能就需要一大堆代碼。
我也看了下requests的文檔，確實很簡單，適合我這種懶人。下面就是一些簡單指南。
插播個好消息！剛看到requests有了中文翻譯版，建議英文不好的看看，內(nèi)容也比我的博客好多了，具體鏈接是：http://cn.python-requests.org/en/latest/(不過是v1.1.0版，另抱歉，之前貼錯鏈接了)。
1. 安裝
安裝很簡單，我是win系統(tǒng)，就在這里下載了安裝包（網(wǎng)頁中download the zipball處鏈接），然后$ python setup.py install就裝好了。
當(dāng)然，有easy_install或pip的朋友可以直接使用：easy_install requests或者pip install requests來安裝。
至于linux用戶，這個頁面還有其他安裝方法。
測試：在IDLE中輸入import requests，如果沒提示錯誤，那說明已經(jīng)安裝成功了！
2. 小試牛刀
|
1
2
3
4
5
6
7
8
9
10
11
|
>>>import requests>>> r = requests.get('http://www.zhidaow.com') # 發(fā)送請求>>> r.status_code # 返回碼 200>>> r.headers['content-type'] # 返回頭部信息'text/html; charset=utf8'>>> r.encoding # 編碼信息'utf-8'>>> r.text #內(nèi)容部分（PS，由于編碼問題，建議這里使用r.content）u'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...'... |
是不是很簡單？比urllib2和urllib簡單直觀的多？！那請接著看快速指南吧。
3. 快速指南
3.1 發(fā)送請求
發(fā)送請求很簡單的，首先要導(dǎo)入requests模塊：
|
1
|
>>>import requests |
接下來讓我們獲取一個網(wǎng)頁，例如我個人博客的首頁：
|
1
|
>>>r = requests.get('http://www.zhidaow.com') |
接下來，我們就可以使用這個r的各種方法和函數(shù)了。
另外，HTTP請求還有很多類型，比如POST,PUT,DELETE,HEAD,OPTIONS。也都可以用同樣的方式實現(xiàn)：
|
1
2
3
4
5
|
>>> 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(<a href="http://httpbin.org/get">http://httpbin.org/get</a>) |
因為目前我還沒用到這些，所以沒有深入研究。
3.2 在URLs中傳遞參數(shù)
有時候我們需要在URL中傳遞參數(shù)，比如在采集百度搜索結(jié)果時，我們wd參數(shù)（搜索詞）和rn參數(shù)（搜素結(jié)果數(shù)量），你可以手工組成URL，requests也提供了一種看起來很NB的方法：
|
1
2
3
4
|
>>> payload = {'wd': '張亞楠', 'rn': '100'}>>> r = requests.get("http://www.baidu.com/s", params=payload)>>> print r.urlu'http://www.baidu.com/s?rn=100&wd=%E5%BC%A0%E4%BA%9A%E6%A5%A0' |
上面wd=的亂碼就是“張亞楠”的轉(zhuǎn)碼形式。（好像參數(shù)按照首字母進(jìn)行了排序。）
3.3 獲取響應(yīng)內(nèi)容
可以通過r.text來獲取網(wǎng)頁的內(nèi)容。
|
1
2
3
|
>>> r = requests.get('https://www.zhidaow.com')>>> r.textu'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...' |
文檔里說，requests會自動將內(nèi)容轉(zhuǎn)碼。大多數(shù)unicode字體都會無縫轉(zhuǎn)碼。但我在cygwin下使用時老是出現(xiàn)UnicodeEncodeError錯誤，郁悶。倒是在python的IDLE中完全正常。
另外，還可以通過r.content來獲取頁面內(nèi)容。
|
1
2
3
|
>>> r = requests.get('https://www.zhidaow.com')>>> r.contentb'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...' |
文檔中說r.content是以字節(jié)的方式去顯示，所以在IDLE中以b開頭。但我在cygwin中用起來并沒有，下載網(wǎng)頁正好。所以就替代了urllib2的urllib2.urlopen(url).read()功能。（基本上是我用的最多的一個功能。）
3.4 獲取網(wǎng)頁編碼
可以使用r.encoding來獲取網(wǎng)頁編碼。
|
1
2
3
|
>>> r = requests.get('http://www.zhidaow.com')>>> r.encoding'utf-8' |
當(dāng)你發(fā)送請求時，requests會根據(jù)HTTP頭部來猜測網(wǎng)頁編碼，當(dāng)你使用r.text時，requests就會使用這個編碼。當(dāng)然你還可以修改requests的編碼形式。
|
1
2
3
4
|
>> r = requests.get('http://www.zhidaow.com')>>> r.encoding'utf-8'>>>r.encoding = 'ISO-8859-1' |
像上面的例子，對encoding修改后就直接會用修改后的編碼去獲取網(wǎng)頁內(nèi)容。
3.5 json
像urllib和urllib2，如果用到j(luò)son，就要引入新模塊，如json和simplejson，但在requests中已經(jīng)有了內(nèi)置的函數(shù)，r.json()。就拿查詢IP的API來說：
|
1
2
3
|
>>>r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')>>>r.json()['data']['country']'中國' |
3.6 網(wǎng)頁狀態(tài)碼
我們可以用r.status_code來檢查網(wǎng)頁的狀態(tài)碼。
|
1
2
3
4
5
6
7
8
9
10
11
|
>>>r = requests.get('http://www.mengtiankong.com')>>>r.status_code200>>>r = requests.get('http://www.mengtiankong.com/123123/')>>>r.status_code404>>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN')>>>r.urlu'http://www.zhidaow.com/>>>r.status_code200 |
前兩個例子很正常，能正常打開的返回200，不能正常打開的返回404。但第三個就有點奇怪了，那個是百度搜索結(jié)果中的302跳轉(zhuǎn)地址，但狀態(tài)碼顯示是200，接下來我用了一招讓他原形畢露：
|
1
2
|
>>>r.history(<Response [302]>,) |
這里能看出他是使用了302跳轉(zhuǎn)。也許有人認(rèn)為這樣可以通過判斷和正則來獲取跳轉(zhuǎn)的狀態(tài)碼了，其實還有個更簡單的方法：
|
1
2
3
|
>>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN', allow_redirects = False)>>>r.status_code302 |
只要加上一個參數(shù)allow_redirects，禁止了跳轉(zhuǎn)，就直接出現(xiàn)跳轉(zhuǎn)的狀態(tài)碼了，好用吧？我也利用這個在最后一掌做了個簡單的獲取網(wǎng)頁狀態(tài)碼的小應(yīng)用，原理就是這個。
3.7 響應(yīng)頭內(nèi)容
可以通過r.headers來獲取響應(yīng)頭內(nèi)容。
|
1
2
3
4
5
6
7
8
|
>>>r = requests.get('http://www.zhidaow.com')>>> r.headers{'content-encoding': 'gzip','transfer-encoding': 'chunked','content-type': 'text/html; charset=utf-8';...} |
可以看到是以字典的形式返回了全部內(nèi)容，我們也可以訪問部分內(nèi)容。
|
1
2
3
4
|
>>> r.headers['Content-Type']'text/html; charset=utf-8'>>> r.headers.get('content-type')'text/html; charset=utf-8' |
3.8 設(shè)置超時時間
我們可以通過timeout屬性設(shè)置超時時間，一旦超過這個時間還沒獲得響應(yīng)內(nèi)容，就會提示錯誤。
|
1
2
3
4
|
>>> requests.get('http://github.com', timeout=0.001)Traceback (most recent call last):File "<stdin>", line 1, in <module>requests.exceptions.Timeout: HTTPConnectionPool(host='github.com', port=80): Request timed out. (timeout=0.001) |
3.9 代理訪問
采集時為避免被封IP，經(jīng)常會使用代理。requests也有相應(yīng)的proxies屬性。
|
1
2
3
4
5
6
|
import requestsproxies = {"http": "http://10.10.1.10:3128","https": "http://10.10.1.10:1080",}requests.get("http://www.zhidaow.com", proxies=proxies) |
如果代理需要賬戶和密碼，則需這樣：
|
1
2
3
|
proxies = {"http": "http://user:pass@10.10.1.10:3128/",} |
3.10 請求頭內(nèi)容
請求頭內(nèi)容可以用r.request.headers來獲取。
|
1
2
3
|
>>> r.request.headers{'Accept-Encoding': 'identity, deflate, compress, gzip','Accept': '*/*', 'User-Agent': 'python-requests/1.2.3 CPython/2.7.3 Windows/XP'} |
3.11 自定義請求頭部
偽裝請求頭部是采集時經(jīng)常用的，我們可以用這個方法來隱藏：
|
1
2
3
4
5
6
7
|
r = requests.get('http://www.zhidaow.com')print r.request.headers['User-Agent']#python-requests/1.2.3 CPython/2.7.3 Windows/XPheaders = {'User-Agent': 'alexkh'}r = requests.get('http://www.zhidaow.com', headers = headers)print r.request.headers['User-Agent']#alexkh |
3.12 持久連接keep-alive
requests的keep-alive是基于urllib3，同一會話內(nèi)的持久連接完全是自動的。同一會話內(nèi)的所有請求都會自動使用恰當(dāng)?shù)倪B接。
也就是說，你無需任何設(shè)置，requests會自動實現(xiàn)keep-alive。
4. 簡單應(yīng)用
4.1 獲取網(wǎng)頁返回碼
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
def get_status(url):r = requests.get(url, allow_redirects = False)return r.status_codeprint get_status('http://www.zhidaow.com') #200print get_status('http://www.zhidaow.com/hi404/')#404print get_status('http://mengtiankong.com')#301print get_status('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN')#302print get_status('http://www.huiya56.com/com8.intre.asp?46981.html')#500 |
以上是針對Python Requests的安裝與簡單運用的介紹，希望對大家有所幫助！
