python3—requests讲解

requests库是一个常用的用于http请求的模块，它使用python语言编写，可以方便的对网页进行爬取，是学习python爬虫的较好的http请求模块。

1、requests模块的安装

WIN+R——cmd——pip install requests即可。

如果遇到read timeout(访问超时)的问题，可参考链接文章：you-get介绍及python如何利用you-get工具进行网页视频的爬取？中you-get工具借用豆瓣代理的下载安装方式。

2、requests模块的使用方法

2.1 requests库的几个主要方法：

(1)requests.get()

这个方法是我们平时最常用的方法之一，通过这个方法我们可以了解到其他的方法，所以我们详细介绍这个方法。 具体参数是：

r=requests.get(url,params,**kwargs)

• url: 需要爬取的网站地址。
• params: 翻译过来就是参数， url中的额外参数，字典或者字节流格式，可选。
• **kwargs : 12个控制访问的参数

params：字典或字节序列， 作为参数增加到url中,使用这个参数可以把一些键值对以?key1=value1&key2=value2的模式增加到url中 例如：kw= {'key1':' values', 'key2': 'values'} r = requests.get('http:www.python123.io/ws', params=kw)

a.发送无参数的get请求：

b.发送带参数的get请求：

以上得知，我们的get参数是以params关键字参数传递的。

此外，还可以传递一个list给一个请求参数：

以上就是get请求的基本形式。

**kwargs有以下的参数：

• data：字典，字节序或文件对象，重点作为向服务器提供或提交资源是提交，，作为requests的内容，与params不同的是，data提交的数据并不放在url链接里， 而是放在url链接对应位置的地方作为数据来存储。它也可以接受一个字符串对象。
• json：json格式的数据， json合适在相关的html，http相关的web开发中非常常见， 也是http最经常使用的数据格式， 他是作为内容部分可以向服务器提交。 例如：kv = {'key1': 'value1'} r = requests.post('http://python123.io/ws', json=kv)
• headers：字典是http的相关语，对应了向某个url访问时所发起的http的头i字段， 可以用这个字段来定义http的访问的http头，可以用来模拟任何我们想模拟的浏览器来对url发起访问。 例子： hd = {'user-agent': 'Chrome/10'} r = requests.post('http://python123.io/ws', headers=hd)
• cookies：字典或CookieJar，指的是从http中解析cookie
• auth：元组，用来支持http认证功能
• files：字典， 是用来向服务器传输文件时使用的字段。 例子：fs = {'files': open('data.txt', 'rb')} r = requests.post('http://python123.io/ws', files=fs)
• timeout: 用于设定超时时间， 单位为秒，当发起一个get请求时可以设置一个timeout时间， 如果在timeout时间内请求内容没有返回， 将产生一个timeout的异常。
• proxies：字典， 用来设置访问代理服务器。
• allow_redirects: 开关， 表示是否允许对url进行重定向， 默认为True。
• stream: 开关， 指是否对获取内容进行立即下载， 默认为True。
• verify：开关， 用于认证SSL证书， 默认为True。
• cert： 用于设置保存本地SSL证书路径

其中response(即：r)对象有以下属性：

我们可以单击桌面左下角的WIN按钮，找到python安装包，打开IDLE来亲自操作熟悉response的属性。

requests库的异常

注意requests库有时会产生异常，比如网络连接错误、http错误异常、重定向异常、请求url超时异常等等。所以我们需要判断r.status_codes是否是200，在这里我们怎么样去捕捉异常呢？

这里我们可以利用r.raise_for_status() 语句去捕捉异常，该语句在方法内部判断r.status_code是否等于200，如果不等于，则抛出异常。

于是在这里我们有一个爬取网页的通用代码框架：

此处不能采用return来返回输出，使用的话会报错，因为：return只能用在自定义函数中。

(2) request.head()

看代码：

(3)requests.post()

1、向url post一个字典：

2、向url post 一个字符串，自动编码为data

>>> import requests
>>> r=requests.post("http://httpbin.org/post",data="hello python")
>>> print(r.text)
{
  "args": {}, 
  "data": "hello python", 
  "files": {}, 
  "form": {}, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "12", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.22.0", 
    "X-Amzn-Trace-Id": "Root=1-5e510c68-12ee4eec533847d89a06d184"
  }, 
  "json": null, 
  "origin": "36.47.128.206", 
  "url": "http://httpbin.org/post"
}

3.向url post一个文件

>>> import requests
>>> files = {'files':open('C:\\Users\\Think\\Desktop\\test_requests\\test.txt','rb')}
>>> r = requests.post('https://httpbin.org/post',files=files)
>>> print(r.text)
{
    "args":{
 
    },
    "data":"",
    "files":{
        "files":"hello worle!"
    },
    "form":{
 
    },
    "headers":{
        "Accept":"*/*",
        "Accept-Encoding":"gzip, deflate",
        "Connection":"close",
        "Content-Length":"158",
        "Content-Type":"multipart/form-data; boundary=d2fb307f28aeb57b932d867f80f2f600",
        "Host":"httpbin.org",
        "User-Agent":"python-requests/2.19.1"
    },
    "json":null,
    "origin":"113.65.2.187",
    "url":"https://httpbin.org/post"

以上得知，post请求参数是以data关键字参数来传递的。

(5)requests.put()

看代码：

>>> payload={"key1":"value1","key2":"value2"}
>>> r=requests.put("http://httpbin.org/put",data=payload)
>>> print(r.text)
{
  "args": {}, 
  "data": "", 
  "files": {}, 
  "form": {
    "key1": "value1", 
    "key2": "value2"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Connection": "close", 
    "Content-Length": "23", 
    "Content-Type": "application/x-www-form-urlencoded", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.18.4"
  }, 
  "json": null, 
  "origin": "218.197.153.150", 
  "url": "http://httpbin.org/put"

(6)requests.patch()

requests.patch和request.put类似。 两者不同的是： 当我们用patch时仅需要提交需要修改的字段。 而用put时，必须将20个字段一起提交到url，未提交字段将会被删除。 patch的好处是：节省网络带宽。

(7)requests.request()

requests.request(）支持其他所有的方法。 requests.request(method，url,**kwargs)

• method: “GET”、”HEAD”、”POST”、”PUT”、”PATCH”等等
• url: 请求的网址
• **kwargs: 控制访问的参数