PYTHON REQUESTS的安裝與簡單運用
PYTHON REQUESTS的安裝與簡單運用
2013.07.09強烈推薦！requests官方文檔已有了中文版，請見http://cn.python-requests.org/zh_CN/latest/ 。
requests是python的一個HTTP客戶端庫，跟urllib，urllib2類似，那為什麽要用requests而不用urllib2呢？官方文檔中是這樣說明的：
python的標準庫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。
1. 安裝
安裝很簡單，我是win系統，就在這裏下載了安裝包（網頁中download the tarball處鏈接），然後$ python setup.py installeasy_install或pip的朋友可以直接使用：easy_install requests或者pip install requests來安裝。至於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，那說明已經安裝成功了！
2. 小試牛刀
>>>import requests
>>> r = requests.get(‘http://www.zhidaow.com‘) # 發送請求
>>> 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 #內容部分（PS，由於編碼問題，建議這裏使用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 發送請求
發送請求很簡單的，首先要導入requests模塊：
>>>import requests
接下來讓我們獲取一個網頁，例如我個人博客的首頁：
>>>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：
>>> 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")
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
有時候我們需要在URL中傳遞參數，比如在采集百度搜索結果時，我們wd參數（搜索詞）和rn參數（搜素結果數量），你可以手工組成URL，requests也提供了一種看起來很NB的方法：
>>> payload = {‘wd‘: ‘張亞楠‘, ‘rn‘: ‘100‘}
>>> r = requests.get("http://www.baidu.com/s", params=payload)
>>> print r.url
u‘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”的轉碼形式。（好像參數按照首字母進行了排序。）
3.3 獲取響應內容
可以通過r.text來獲取網頁的內容。
>>> r = requests.get(‘https://www.zhidaow.com‘)
>>> r.text
u‘<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...‘
文檔裏說，requests會自動將內容轉碼。大多數unicode字體都會無縫轉碼。但我在cygwin下使用時老是出現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來獲取頁面內容。
>>> r = requests.get(‘https://www.zhidaow.com‘)
>>> r.content
b‘<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...‘
文檔中說r.content是以字節的方式去顯示，所以在IDLE中以b開頭。但我在cygwin中用起來並沒有，下載網頁正好。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 獲取網頁編碼
可以使用r.encoding來獲取網頁編碼。
>>> r = requests.get(‘http://www.zhidaow.com‘)
>>> r.encoding
‘utf-8‘
當你發送請求時，requests會根據HTTP頭部來猜測網頁編碼，當你使用r.text時，requests就會使用這個編碼。當然你還可以修改requests的編碼形式。
>>> r = requests.get(‘http://www.zhidaow.com‘)
>>> r.encoding
‘utf-8‘
>>>r.encoding = ‘ISO-8859-1‘
像上面的例子，對encoding修改後就直接會用修改後的編碼去獲取網頁內容。
3.5 json
像urllib和urllib2，如果用到json，就要引入新模塊，如json和simplejson，但在requests中已經有了內置的函數，r.json()。就拿查詢IP的API來說：
>>>r = requests.get(‘http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28‘)
>>>r.json()[‘data‘][‘country‘]
‘中國‘
3.6 網頁狀態碼
我們可以用r.status_code來檢查網頁的狀態碼。
>>>r = requests.get(‘http://www.mengtiankong.com‘)
>>>r.status_code
200
>>>r = requests.get(‘http://www.mengtiankong.com/123123/‘)
>>>r.status_code
404
>>>r = requests.get(‘http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN‘)
>>>r.url
u‘http://www.zhidaow.com/
>>>r.status_code
200
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，那個是百度搜索結果中的302跳轉地址，但狀態碼顯示是200，接下來我用了一招讓他原形畢露：
>>>r.history
(<Response [302]>,)
這裏能看出他是使用了302跳轉。也許有人認為這樣可以通過判斷和正則來獲取跳轉的狀態碼了，其實還有個更簡單的方法：
>>>r = requests.get(‘http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN‘, allow_redirects = False)
>>>r.status_code
302
只要加上一個參數allow_redirects，禁止了跳轉，就直接出現跳轉的狀態碼了，好用吧？我也利用這個在最後一掌做了個簡單的獲取網頁狀態碼的小應用，原理就是這個。
3.7 響應頭內容
可以通過r.headers來獲取響應頭內容。
>>>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容，我們也可以訪問部分內容。
>>> r.headers[‘Content-Type‘]
‘text/html; charset=utf-8‘
>>> r.headers.get(‘content-type‘)
‘text/html; charset=utf-8‘
3.8 設置超時時間
我們可以通過timeout屬性設置超時時間，一旦超過這個時間還沒獲得響應內容，就會提示錯誤。
>>> 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，經常會使用代理。requests也有相應的proxies屬性。
import requests
proxies = {
"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：
proxies = {
"http": "http://user:[email protected]:3128/",
}
3.10 請求頭內容
請求頭內容可以用r.request.headers來獲取。
>>> 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常用的，我們可以用這個方法來隱藏：
r = requests.get(‘http://www.zhidaow.com‘)
print r.request.headers[‘User-Agent‘]
#python-requests/1.2.3 CPython/2.7.3 Windows/XP
headers = {‘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是基於urllib3，同一會話內的持久連接完全是自動的。同一會話內的所有請求都會自動使用恰當的連接。
也就是說，你無需任何設置，requests會自動實現keep-alive。
4. 簡單應用
4.1 獲取網頁返回碼
def get_status(url):
r = requests.get(url, allow_redirects = False)
return r.status_code
print get_status(‘http://www.zhidaow.com‘)
#200
print get_status(‘http://www.zhidaow.com/hi404/‘)
#404
print get_status(‘http://mengtiankong.com‘)
#301
print get_status(‘http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN‘)
#302
print get_status(‘http://www.huiya56.com/com8.intre.asp?46981.html‘)
#500
後記
1、官方文檔requests的具體安裝過程請看：http://docs.python-requests.org/en/latest/user/install.html#installrequests的官方指南文檔：http://docs.python-requests.org/en/latest/user/quickstart.htmlrequests的高級指南文檔：http://docs.python-requests.org/en/latest/user/advanced.html#advanced2、本文內容部分翻譯自官方文檔，部分自己歸納。3、大多數用的IDLE格式，累死了，下次直接用編輯器格式，這樣更符合我的習慣。4、還是那句話，有問題留言或email。5、圖註：requests官方文檔上的一只老鱉。
PYTHON REQUESTS的安裝與簡單運用