python拓展4（Requests模块）

Requests模块

1、开发哲学（Requests 是以 PEP 20 的箴言为中心开发的）　

Beautiful is better than ugly.(美丽优于丑陋)
Explicit is better than implicit.(直白优于含蓄)
Simple is better than complex.(简单优于复杂)
Complex is better than complicated.(复杂优于繁琐)
Readability counts.(可读性很重要)

2、快速上手

1、发送请求

# 导入requests模块
import requests
# 获取一个名为r的requests对象
# r = requests.get('https://api.github.com/events')
# HTTP各类请求
# r = requests.post('https://api.github.com/events', data={'key': 'value'})
# r = requests.put('https://api.github.com/events', data={'key': 'value'})
# r = requests.delete('http://httpbin.org/delete')
# r = requests.head('http://httpbin.org/get')
# r = requests.options('http://httpbin.org/get')

代码示例

3、HTTP各类请求

1、HTTP 1.1版本时，请求方法：GET、POST 、 HEAD、OPTIONS、PUT、DELETE、TRACE 和 CONNECT 方法

GET
- 请求指定的页面信息，并返回实体主体。
- GET请求请提交的数据放置在HTTP请求协议头中，GET方法通过URL请求来传递用户的输入，GET方式的提交你需要用Request.QueryString来取得变量的值。
- GET方法提交数据，可能会带来安全性的问题，数据被浏览器缓存。
- GET请求有长度限制。

// 发起请求
http://localhost/general/form/getpost.asp?Text=Hello+World
// 解析请求参数（asp语法）
<% If Request.QueryString(“Text”) <> ““ Then %> 
通过get方法传递来的字符串是： “<B><%= Request.QueryString(“Text”) %></B>“<BR> 
<% End If %>

代码示例

HEAD
- 类似于get请求，只不过返回的响应中没有具体的内容，用于获取报头。
POST
- 向指定资源提交数据进行处理请求（例如提交表单或者上传文件）。
- POST请求可能会导致新的资源的建立和/或已有资源的修改。
- POST方式提交时，你必须通过Request.Form来访问提交的内容

// 发起请求
http://localhost/general/form/getpost.asp
// 解析请求参数（asp语法）
<% If Request.Form(“Text”) <> ““ Then %> 
通过Post方法传递来的字符串是： “<B><%= Request.Form(“Text”) %></B>“<BR> 
<% End If %>

代码示例

PUT
- 从客户端向服务器传送的数据取代指定的文档的内容。
DELETE
- 请求服务器删除指定的页面。
- DELETE请求一般返回3种码
- 200（OK）——删除成功，同时返回已经删除的资源。
- 202（Accepted）——删除请求已经接受，但没有被立即执行（资源也许已经被转移到了待删除区域）。
- 204（No Content）——删除请求已经被执行，但是没有返回资源（也许是请求删除不存在的资源造成的）。
CONNECT
- HTTP/1.1协议中预留给能够将连接改为管道方式的代理服务器。
OPTIONS
- 允许客户端查看服务器的性能。
TRACE
- 回显服务器收到的请求，主要用于测试或诊断。

4、传递URL参数

1、介绍：

老式构建URL方法：httpbin.org/get?key=val（如果你是手工构建 URL，那么数据会以键/值对的形式置于 URL 中，跟在一个问号的后面）
Requests模块构建方法：（Requests 允许你使用 params 关键字参数，以一个字符串字典来提供这些参数）

{'key1': 'value1', 'key2': 'value2'}
{'key1': 'value1', 'key2': ['value2', 'value3']}

import requests
# 提前定义params传递的键值对
payload = {'name': 'he', 'password': '1234'}
# 传递参数
r = requests.get('http://httpbin.org/get', params=payload)
# 打印显示
print(r.url)

# 结果: http://httpbin.org/get?name=he&password=1234

传递URL参数代码示例1

import requests
# 提前定义params传递的键值对
payload = {'name': 'he', 'password': ['1234', 'abc']}
# 传递参数
r = requests.get('http://httpbin.org/get', params=payload)
# 打印显示
print(r.url)

# 结果:http://httpbin.org/get?name=he&password=1234&password=abc

URL传递参数代码示例2

5、响应内容

　　1、读取服务器响应的内容

import requests
# 发出请求并获得请求对象r
r = requests.get('https://api.github.com/events')
# 显示响应内容
print(r.text)
# 显示响应内容编码方式
print(r.encoding)
# 修改编码方式
r.encoding = 'JBK'
print(r.encoding)

响应内容及编码方式代码示例

　　2、Requests 会自动解码来自服务器的内容。

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 r.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 r.encoding 属性来改变它
如果你改变了编码，每当你访问 r.text ，Request 都将会使用 r.encoding 的新值
你可能希望在使用特殊逻辑计算出文本的编码的情况下来修改编码。比如 HTTP 和 XML 自身可以指定编码。这样的话，你应该使用 r.content 来找到编码，然后设置 r.encoding 为相应的编码。这样就能使用正确的编码解析 r.text 了。
PS：注意相比于r.encoding（从HTTP header中猜测响应内容编码方式） r.apparent_encoding（从内容中分析出响应内容编码方式【备选编码方式】）更加的准确
在你需要的情况下，Requests 也可以使用定制的编码。如果你创建了自己的编码，并使用codecs 模块进行注册，你就可以轻松地使用这个解码器名称作为 r.encoding 的值，然后由 Requests 来为你处理编码。

6、二进制响应内容

　　也能以字节的方式访问请求响应体，对于非文本请求

# 导入模块 
import requests
from PIL import Image
from io import BytesIO
# 获取一张图片地址的requests对象r
r = requests.get('http://www.qqzhi.com/uploadpic/2014-09-06/195035496.jpg')
# 打印其请求内容
print(r.text)
# 创建一个图片的对象img
img = Image.open(BytesIO(r.content))
# 显示图片
img.show()

非文本（例图片的响应）代码示例

7、JSON响应内容

　　Requests 中也有一个内置的 JSON 解码器，助你处理 JSON 数据

import requests
r = requests.get('https://api.github.com/events')
# 显示内容
print(r.json())

代码示例

　　PS:

如果 JSON 解码失败， r.json() 就会抛出一个异常。例如，响应内容是 401 (Unauthorized)，尝试访问 r.json() 将会抛出 ValueError: No JSON object could bedecoded 异常。
需要注意的是，成功调用 r.json() 并**不**意味着响应的成功。有的服务器会在失败的响应中包含一个 JSON 对象（比如 HTTP 500 的错误细节）。这种 JSON 会被解码返回。要检查请求是否成功，请使用 r.raise_for_status() 或者检查 r.status_code 是否和你的期望相同。

8、原始响应内容

　　在罕见的情况下，你可能想获取来自服务器的原始socket响应，那么你可以访问 r.raw。如果你确实想这么干，那请你确保在初始请求中设置了 stream=True。具体见示例：

import requests
r = requests.get('https://api.github.com/events', stream=True)
# 打印原始套接字
print(r.raw)
# 显示10个byte字节
print(r.raw.read(10))

代码示例

　　PS：一般情况下，应该以下面的模式将文本流保存到文件

import requests
r = requests.get('https://api.github.com/events', stream=True)
with open('text.text', mode='wb') as f1:
    for chunk in r.iter_content(chunk_size=50):
        f1.write(chunk)

代码示例

　　使用 Response.iter_content 将会处理大量你直接使用 Response.raw 不得不处理的。当流下载时，上面是优先推荐的获取内容方式

　　PS：chunk_size可自由调节一次性读取的字节数，可能更适合使用情况

9、定制请求头

　　如果想为请求添加 HTTP 头部，只要简单地传递一个 dict 给 headers 参数就可以了.。

url = 'https://api.github.com/some/endpoint'
headers = {'user-agent': 'my-app/0.0.1'}
r = requests.get(url, headers=headers)

代码示例

　　PS：定制 header 的优先级低于某些特定的信息源

如果在 .netrc 中设置了用户认证信息，使用 headers= 设置的授权就不会生效。而如果设置了 auth= 参数，``.netrc`` 的设置就无效了。
如果被重定向到别的主机，授权 header 就会被删除。
代理授权 header 会被 URL 中提供的代理身份覆盖掉。
在我们能判断内容长度的情况下，header 的 Content-Length 会被改写。

　　更进一步讲，Requests 不会基于定制 header 的具体情况改变自己的行为。只不过在最后的请求中，所有的 header 信息都会被传递进去。

　　注意: 所有的 header 值必须是 string、bytestring 或者 unicode。尽管传递 unicode header 也是允许的，但不建议这样做。

10、跟复杂的POST请求

　　1、通常，你想要发送一些编码为表单形式的数据——非常像一个 HTML 表单。要实现这个，只需简单地传递一个字典给 data 参数。你的数据字典在发出请求时会自动编码为表单形式：

import requests
payload = {'key1': 'value1', 'key2': 'value2'}
r = requests.post("http://httpbin.org/post", data=payload)
print(r.text)

代码示例

　　2、还可以为 data 参数传入一个元组列表。在表单中多个元素使用同一 key 的时候，这种方式尤其有效：

import requests
payload = (('key1', 'value1'), ('key1', 'value2'))
r = requests.post("http://httpbin.org/post", data=payload)
print(r.text)

代码示例

　　3、很多时候你想要发送的数据并非编码为表单形式的。如果你传递一个 string 而不是一个 dict，那么数据会被直接发布出去。

　　例如，Github API v3 接受编码为 JSON 的 POST/PATCH 数据：

import json

url = 'https://api.github.com/some/endpoint'
payload = {'some': 'data'}

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

代码示例

　　此处除了可以自行对 dict 进行编码，你还可以使用 json 参数直接传递，然后它就会被自动编码。这是 2.4.2 版的新加功能：

url = 'https://api.github.com/some/endpoint'
payload = {'some': 'data'}

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

代码示例

11、POST一个多部分编码(Multipart-Encoded)的文件

　　Requests 上传各种编码文件变得很容易：

url = 'http://httpbin.org/post'
files = {'file': open('report.xls', 'rb')}

r = requests.post(url, files=files)
print(r.text)

上传各种编码方式文件方法

　　可以自行设置文件名，文件类型和请求头（请求类型）

url = 'http://httpbin.org/post'
files = {'file': ('report.xls', open('report.xls', 'rb'), 'application/vnd.ms-excel', {'Expires': '0'})}  # application/vnd.ms-excel  请求头

r = requests.post(url, files=files)
r.text

代码示例

　　也可以发送作为文件来接收的字符串

url = 'http://httpbin.org/post'
files = {'file': ('report.csv', 'some,data,to,send\nanother,row,to,send\n')}  # 'some,data,to,send\nanother,row,to,send\n'  字符串

r = requests.post(url, files=files)
r.text

代码示例

　　PS:如果发送一个非常大的文件作为 multipart/form-data 请求，你可能希望将请求做成数据流。默认下 requests 不支持, 但有个第三方包 requests-toolbelt 是支持的。你可以阅读 toolbelt 文档来了解使用方法。

　　在一个请求中发送多文件参考高级用法一节。

　　警告

　　强烈建议你用二进制模式(binary mode)打开文件。这是因为 Requests 可能会试图为你提供 Content-Length header，在它这样做的时候，这个值会被设为文件的字节数（bytes）。如果用文本模式(text mode)打开文件，就可能会发生错误。

12、响应状态码

　　检查响应状态方法

# 方法一
r = requests.get('http://httpbin.org/get')
print（r.status_code）
# 200


# 方法二
r.status_code == requests.codes.ok
# True

代码示例（1、2两种方法）

　　如果发送了一个错误请求(一个 4XX 客户端错误，或者 5XX 服务器错误响应)，可以通过Response.raise_for_status() 来抛出异常：

>>> bad_r = requests.get('http://httpbin.org/status/404')
>>> bad_r.status_code
404

>>> bad_r.raise_for_status()
Traceback (most recent call last):
  File "requests/models.py", line 832, in raise_for_status
    raise http_error
requests.exceptions.HTTPError: 404 Client Error

代码示例

　　PS：如果不是错误请求 raise_for_status() 是为空

13、响应头

我们可以查看以一个 Python 字典形式展示的服务器响应头：

r.headers
{
    'content-encoding': 'gzip',
    'transfer-encoding': 'chunked',
    'connection': 'close',
    'server': 'nginx/1.0.4',
    'x-runtime': '148ms',
    'etag': '"e1ca502697e5c9317743dc078f67693f"',
    'content-type': 'application/json'
}

代码示例

PS：HTTP 头部是大小写不敏感的。因此，我们可以使用任意大写形式来访问这些响应头字段：

>>> r.headers['Content-Type']
'application/json'

>>> r.headers.get('content-type')
'application/json'

代码示例

15、重定向与请求历史

默认情况下，除了 HEAD, Requests 会自动处理所有重定向。

可以使用响应对象的 history 方法来追踪重定向。

Response.history 是一个 Response 对象的列表，为了完成请求而创建了这些对象。这个对象列表按照从最老到最近的请求进行排序。

例如，Github 将所有的 HTTP 请求重定向到 HTTPS：

>>> r = requests.get('http://github.com')

>>> r.url
'https://github.com/'

>>> r.status_code
200

>>> r.history
[<Response [301]>]

代码示例

如果你使用的是GET、OPTIONS、POST、PUT、PATCH 或者 DELETE，那么你可以通过 allow_redirects 参数禁用重定向处理：

>>> r = requests.get('http://github.com', allow_redirects=False)
>>> r.status_code
301
>>> r.history
[]

代码示例

如果你使用了 HEAD，你也可以启用重定向：

>>> r = requests.head('http://github.com', allow_redirects=True)
>>> r.url
'https://github.com/'
>>> r.history
[<Response [301]>]

代码示例

16、超时

你可以告诉 requests 在经过以 timeout 参数设定的秒数时间之后停止等待响应。基本上所有的生产代码都应该使用这一参数。如果不使用，你的程序可能会永远失去响应：

>>> 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)

代码示例

注意

timeout 仅对连接过程有效，与响应体的下载无关。 timeout 并不是整个下载响应的时间限制，而是如果服务器在 timeout 秒内没有应答，将会引发一个异常（更精确地说，是在 timeout 秒内没有从基础套接字上接收到任何字节的数据时）If no timeout is specified explicitly, requests do not time out.

17、错误与异常

遇到网络问题（如：DNS 查询失败、拒绝连接等）时，Requests 会抛出一个ConnectionError 异常。

如果 HTTP 请求返回了不成功的状态码， Response.raise_for_status() 会抛出一个 HTTPError 异常。

若请求超时，则抛出一个 Timeout 异常。

若请求超过了设定的最大重定向次数，则会抛出一个 TooManyRedirects 异常。

所有Requests显式抛出的异常都继承自 requests.exceptions.RequestException 。

18、代码实例

　　1、第一实例爬取京东页面商品信息

# 导入requests库
import requests
url = "https://item.jd.com/904392.html" # 提前定义需要爬去的链接
# 异常处理
try:
r = requests.get(url) # 请求对应url
r.raise_for_status() # 因请求页面，如果失败不会产生报错，此代码段含义为，请求失败引发报错
r.encoding = r.apparent_encoding # 以网站备用编码方式替换现有编码方式
print(r.text) # 打印爬去信息 ps：可以进行切片打印例 r.text[:1000] 0到1000字符
except: # 异常返回信息
print("爬取失败")

代码示例

　　2、第二实例爬去亚马逊商品页

# ps：注意对于亚马逊等一些网站，会对网络爬虫进行限制，使其无法爬去或者报错，故需要对请求头进行定制，使爬虫像是用户浏览器访问
# 导入requests库
import requests
url = "https://www.amazon.cn/dp/B073LJR2JF/ref=cngwdyfloorv2_recs_0/461-2801729-0564518?pf_rd_m=A1AJ19PSB66TGU&pf_rd_s=desktop-2&pf_rd_r=WTMJFKFD20YEJG0QJ4VY&pf_rd_r=WTMJFKFD20YEJG0QJ4VY&pf_rd_t=36701&pf_rd_p=19fc3fc8-b320-45dc-a7e8-b4ecd543eea8&pf_rd_p=19fc3fc8-b320-45dc-a7e8-b4ecd543eea8&pf_rd_i=desktop" # 提前定义需要爬去的链接
kv = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'} # 模仿谷歌浏览器访问
# 异常处理
try:
r = requests.get(url, headers=kv) # 请求对应url，添加请求头
r.raise_for_status() # 因请求页面，如果失败不会产生报错，此代码段含义为，请求失败引发报错
r.encoding = r.apparent_encoding # 以网站备用编码方式替换现有编码方式
print(r.text) # 打印爬去信息 ps：可以进行切片打印例 r.text[:1000] 0到1000字符
except: # 异常返回信息
print("爬取失败")

代码示例

　　3、第三实例调用百度和360搜索接口

# 导入requests库
import requests
url = "https://www.baidu.com/s" # 提前定义访问的链接
kv = {'wd': 'mysql'} # 提交搜索请求
# 异常处理
try:
r = requests.get(url, params=kv) # 请求对应url，添加请求的键值对
r.raise_for_status() # 因请求页面，如果失败不会产生报错，此代码段含义为，请求失败引发报错
print(r.status_code) # 返回请求状态码 如果是200 为请求成功
print(r.request.url) # 返回请求的url
print(len(r.text)) # 获取返回信息的长度
except: # 异常返回信息
print("爬取失败")

# 结果
# 200
# https://www.baidu.com/s?wd=mysql ps：wd为百度搜索的请求标识
# 227 ps:意思为获取了227k的信息

代码示例

　　4、第四实例爬去网上图片

　　知识点：获取图片网上链接方法：找到一张网络图片，右键属性可以看到图片真实地址，以jpg等图片格式后缀结尾

# 导入requests库
import requests
url = "http://imgsrc.baidu.com/image/c0%3Dshijue1%2C0%2C0%2C294%2C40/sign=4c3880d171899e516c8332572aceb346/0eb30f2442a7d933b157b75fa74bd11373f0011a.jpg" # 提前定义访问的链接
root = "D://123.jpg" # 存储路径
# 异常处理
try:
r = requests.get(url) # 请求对应url
r.raise_for_status() # 因请求页面，如果失败不会产生报错，此代码段含义为，请求失败引发报错
print(r.status_code) # 返回请求状态码 如果是200 为请求成功
print(r.request.url) # 返回请求的url
with open(root, mode="wb") as f: # 将文件以二进制的方式存储到root路径下
f.write(r.content) # 存
except: # 异常返回信息
print("爬取失败")

# 结果
# 200
# https://www.baidu.com/s?wd=mysql ps：wd为百度搜索的请求标识

代码实例

# 导入requests库
import requests
import os
url = "http://imgsrc.baidu.com/image/c0%3Dshijue1%2C0%2C0%2C294%2C40/sign=4c3880d171899e516c8332572aceb346/0eb30f2442a7d933b157b75fa74bd11373f0011a.jpg" # 提前定义访问的链接

root = "D://img//" # 存储路径
path = root + url.split("/")[-1] # 字符串切割

# 异常处理
try:
if not os.path.exists(root): # 如果不存在这个路径则建立此路径
os.mkdir(root) # 建立路径
if not os.path.exists(path): # 如果不存在url路径
r = requests.get(url) # 发起请求
r.raise_for_status() # 因请求页面，如果失败不会产生报错，此代码段含义为，请求失败引发报错
with open(path, mode="wb") as f: # 将文件以二进制的方式存储到root路径下
f.write(r.content) # 存
print("文件存储成功")
else:
print("文件已经存在")
except: # 异常返回信息
print("爬取失败")

完善版

　　5、实例五 ip地址归属度查询

　　需要网站：ip138网站

# 导入requests库
import requests

url = "http://m.ip138.com/ip.asp?ip=" # 提前定义访问的链接

# 异常处理
try:
    r = requests.get(url + '202.204.80.112') # 拼接请求内容
    r.raise_for_status() # 因请求页面，如果失败不会产生报错，此代码段含义为，请求失败引发报错
    r.encoding = r.apparent_encoding # 以网站备用编码形式代替前端显示的编码方式
    print(r.text[-500:]) # 打印
except: # 异常返回信息
    print("爬取失败")

代码实例

posted @ 2018-05-04 08:31 争-渡阅读(136) 评论(0) 收藏举报

刷新页面返回顶部

争-渡

python拓展4（Requests模块）

Requests模块

1、开发哲学（Requests 是以 PEP 20 的箴言为中心开发的）

2、快速上手

1、发送请求

3、HTTP各类请求

1、HTTP 1.1版本时，请求方法：GET、POST 、 HEAD、OPTIONS、PUT、DELETE、TRACE 和 CONNECT 方法

4、传递URL参数

1、介绍：

5、响应内容

1、读取服务器响应的内容

2、Requests 会自动解码来自服务器的内容。

6、二进制响应内容

7、JSON响应内容

8、原始响应内容

9、定制请求头

10、跟复杂的POST请求

11、POST一个多部分编码(Multipart-Encoded)的文件

12、响应状态码

13、响应头

14、Cookie

15、重定向与请求历史

16、超时

17、错误与异常

18、代码实例

1、第一实例 爬取京东页面商品信息

公告

1、开发哲学（Requests 是以 PEP 20 的箴言为中心开发的）　

　　1、读取服务器响应的内容

　　2、Requests 会自动解码来自服务器的内容。

　　1、第一实例爬取京东页面商品信息