一,安装
pip install requests
二,基本用法
1.简单示例
import requestsres = requests.get('https://www.baidu.com')print(type(res))print(res.status_code)print(res.text)print(type(res.text))print(res.cookies)
运行结果:
200 ç¾åº¦ä¸ä¸ï¼ä½ å°±ç¥é ©2017 Baidu 使ç¨ç¾åº¦åå¿è¯» æè§åé¦ äº¬ICPè¯030173å·
]>
通过运行结果可发现,它返回的类型是requests.models.Response,响应体字符串类型是str,Cookie的类型是RequestsCookieJar。
2.GET请求
这里使用httpbin测试接口进行测试,httpbin这个网站能测试 HTTP 请求和响应的各种信息,比如 cookie、ip、headers 和登录验证等,且支持 GET、POST 等多种方法,对 web 开发和测试很有帮助。它由 Python + Flask 编写,是一个开源项目(官方网站:开源地址:)。
# GET请求res = requests.get('https://httpbin.org/get')print(res.text)
运行结果:
{ "args": {}, "headers": { "Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Host": "httpbin.org", "User-Agent": "python-requests/2.18.4" }, "origin": "183.129.61.183, 183.129.61.183", "url": "https://httpbin.org/get"}
可以发现,我们成功的发起了GET请求,返回的结果中包含请求头,URL,IP等信息。
♦传递参数
对于GET请求,如何添加参数呢?比如name是rain,age是22。是不是需要写成:
res = requests.get('https://httpbin.org/get?name=rain&age=22')
其实这样也可以,但是这种数据信息一般使用字典来存储。
# 带参数data = { 'name': 'rain', 'age': 22}res = requests.get('https://httpbin.org/get',params=data)print(res.text)
运行结果:
{ "args": { "age": "22", "name": "rain" }, "headers": { "Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Host": "httpbin.org", "User-Agent": "python-requests/2.18.4" }, "origin": "183.129.61.183, 183.129.61.183", "url": "https://httpbin.org/get?name=rain&age=22"}
可以看到,请求的连接被自动构造成了:https://httpbin.org/get?name=rain&age=22。
需要注意的是网页返回的类型实际上是str类型,但其格式为JSON字符串,想要解析结果,获得一个字典类型的话,可以直接调用json()方法:
# 转成字典print(type(res.json())) 结果:
如果返回的类型不是JSON类型,此时调用json()方法,就会抛出json.decoder.JSONDecoderError异常。
♦抓取网页
如果请求普通的网页,就能获得相应的内容。下面以“知乎“的”发现“页面为例:
# 抓取网页,发现—知乎import requestsimport reheaders = { "user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36"}res = requests.get('https://www.zhihu.com/explore', headers=headers)parse = re.compile('explore-feed.*?question_link.*?>(.*?)', re.S)text = re.findall(parse,res.text)print(text)
这里我们加入了,headers信息,也就是user-agent字段信息,也就是浏览器标识。如果不加上这个,就会被禁止抓取。之后使用正则表达式匹配出a节点里面的问题内容。结果如下:
['\n现在的复古8-bit风格游戏和当时真正的8-bit游戏有哪些差别?\n', '\n如何评价罗云熙在《白发》中饰演的容齐?\n', '\n为什么要把敦煌莫高窟建在西北地区?\n', '\n猫的哪些行为会让你觉得猫是爱你的?\n', '\n老人总是通过骗孩子的方式让孩子服从自己的命令,这种情况怎么办?\n', '\n如何看待faker在直播中说白银怎么喜欢闪现放D?\n', '\n有哪些女演员在影视剧中的扮相让你惊艳?\n', '\nPowerPoint 到底有多厉害?\n', '\n如何评价华晨宇?\n', '\n毛细现象水液面是不是球面的一部分?\n']
♦抓取二进制数据
浏览网页时,我们经常看到页面中会有图片,音频,视频等文件。这些文件本质上由二进制码组成的,使用了特定的保存格式和对应的解析方式,我们才得以看到这些形形色色的多媒体。想要抓取他们,就需要拿到其二进制码。
以GitHub站点的图标为例:
# 抓取二进制文件res = requests.get('https://github.com/favicon.ico')print(res.text)print(res.content)
这里抓取的是站点图标,就是浏览器每一个标签上显示的小图标,如下图:
这里打印了text和content,结果如下:
+++G��������G+++ b'\x00\x00\x01\x00\x02\x00\x10\x10\x00\x00\x01\x00 \x00(\x05\x00\x00&\x00\x00\x00 \x00\x00\x01\x00 \x00(\x14\x00\x00N\x05\x00\x00(\x00\x00\x00\x10\x00\x00\x00 \x00\x00\x00\x01\x00
可以看到前者出现了乱码,后者开头带上了一个b,说明是bytes类型。由于是二进制数据,所有text打印时转化成str类型,图片直接转化为字符串,自然就会出现乱码。接下来,我们将图片保存下来:
res = requests.get('https://github.com/favicon.ico')with open('favicon.ico','wb') as f: f.write(res.content)
使用open()方法以二进制写的形式打开文件,向文件里写入二进制数据。之后我们打开刚才写入的文件:
这里可以看到,成功的获取到了网页上面的图标信息,同样的音频和视频也可以使用这种方法来获取。
3.POST请求
使用requests发送POST请求也同样简单:
# POST请求data = { 'name':'rain', 'age':'22'}res = requests.post('https://httpbin.org/post',data=data)print(res.text)
运行结果:
{ "args": {}, "data": "", "files": {}, "form": { "age": "22", "name": "rain" }, "headers": { "Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Content-Length": "16", "Content-Type": "application/x-www-form-urlencoded", "Host": "httpbin.org", "User-Agent": "python-requests/2.18.4" }, "json": null, "origin": "183.129.61.183, 183.129.61.183", "url": "https://httpbin.org/post"}
可以看到,我们成功的获取了返回结果,其中form里面的数据就是提交的数据,也证明了POST请求成功。
4.响应信息
发送请求成功后,得到的自然是相应。上面的例子中,我们使用text和content获取了响应的内容。此外还有很多方法可以用来获取响应的其他信息:
# 获取响应信息res = requests.get('http://www.baidu.com')print(type(res.status_code), res.status_code) # 响应状态码print(type(res.headers), res.headers) # 响应头信息print(type(res.cookies), res.cookies) # Cookies信息print(type(res.url), res.url) # 请求urlprint(type(res.history), res.history) # 请求历史信息
运行结果:
200 { 'Cache-Control': 'private, no-cache, no-store, proxy-revalidate, no-transform', 'Connection': 'Keep-Alive', 'Content-Encoding': 'gzip', 'Content-Type': 'text/html', 'Date': 'Fri, 24 May 2019 10:02:25 GMT', 'Last-Modified': 'Mon, 23 Jan 2017 13:28:37 GMT', 'Pragma': 'no-cache', 'Server': 'bfe/1.0.8.18', 'Set-Cookie': 'BDORZ=27315; max-age=86400; domain=.baidu.com; path=/', 'Transfer-Encoding': 'chunked'} ]> http://www.baidu.com/ []
其中响应状态码经常用来判断请求是否成功,而requests还提供了一个内置的状态码查询对象requests.codes:
# requests内置状态码查询res = requests.get('http://www.baidu.com')exit() if not res.status_code == requests.codes.ok else print("Request Successful!")
运行结果:
Request Successful!
这里通过响应信息中的请求成功状态码与requests内置请求成功状态码进行比较来判断请求是否成功。其中requests.codes.ok的值为200。