基本用法

下面案例使用requests库中的get( )方法发送了一个get请求。

#导入requests库
import requests
#发送一个get请求并得到响应
r = requests.get(‘https://www.baidu.com‘)
#查看响应对象的类型
print(type(r))
#查看响应状态码
print(r.status_code)
#查看响应内容的类型
print(type(r.text))
#查看响应的内容
print(r.text)
#查看cookies
print(r.cookies)
这里调用了get( )方法实现urlopen( )相同的操作，结果返回一个响应对象，然后分别输出响应对象类型、状态码、响应体内容的类型、响应体的内容、Cookies。通过运行结果可以得知：响应对象的类型是requests.models.Response，响应体内容的类型是str，Cookies 的类型是RequestCookieJar。如果要发送其他类型的请求直接调用其对应的方法即可：

r = requests.post(‘https://www.baidu.com‘)
r = requests.put(‘https://www.baidu.com‘)
r = requests.delete(‘https://www.baidu.com‘)
r = requests.head(‘https://www.baidu.com‘)
r = requests.options(‘https://www.baidu.com‘)

GET请求

构建一个GET请求，请求http://httpbin.org/get（该网站会判断如果客户端发起的是GET请求的话，它返回相应的信息）

import requests
r = requests.get(‘http://httpbin.org/get‘)
print(r.text)

1）如果要添加请求参数，比如添加两个请求参数，其中name值是germey，age值是20。虽然可以写成如下形式：

r = requests.get(‘http://httpbin.org/get?name=germey&age=20‘)
1
但较好的写法是下面这种写法：

import requests
data = {
‘name’:’germey’,
‘age’:22
}
r = requests.get(‘http://httpbin.org/get',params=data)
print(r.text)

通过运行结果可以看出，请求的URL最终被构造成了“http://httpbin.org/get?name=germey&age=20”。

2）网页的返回内容的类型是str类型的，如果它符合JSON格式，则可以使用json( )方法将其转换为字典类型，以方便解析。

import requests
r = requests.get(‘http://httpbin.org/get‘)
#str类型
print(type(r.text))
#返回响应内容的字典形式
print(r.json())
#dict类型
print(type(r.json()))
但需要注意，如果返回的内容不是JSON格式，调用json( )方法便会出现错误，抛出json.decoder.JSONDecodeError异常。

POST请求

1）发送POST请求。

import requests
r = requests.post(‘http://httpbin.org/post‘)
print(r.text)
2）发送带有请求参数的POST请求。

import requests
data = {
“name”:”germey”,
“age”:”22”
}
r = requests.post(‘http://httpbin.org/post',data=data)
print(r.text)

在POST请求方法中，form部分就是请求参数。

设置请求头

import requests
headers = {
‘User-Agent’:’Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0’,
‘my-test’:’Hello’
}
r = requests.get(‘http://httpbin.org/get',headers=headers)
print(r.text)

响应

1）发送请求后，返回一个响应，它具有很多属性，通过它的属性来获取状态码、响应头、Cookies、响应内容等。如下：

import requests
r = requests.get(‘https://www.baidu.com/‘)
#响应内容（str类型）
print(type(r.text),r.text)
#响应内容（bytes类型）
print(type(r.content),r.content)
#状态码
print(type(r.status_code),r.status_code)
#响应头
print(type(r.headers),r.headers)
#Cookies
print(type(r.cookies),r.cookies)
#URL
print(type(r.url),r.url)
#请求历史
print(type(r.history),r.history)

2）状态码常用来判断请求是否成功，除了可以使用HTTP提供的状态码，requests库中也提供了一个内置的状态码查询对象，叫做 requests.codes，实际上两者都是等价的。示例如下：

import requests
r = requests.get(‘https://www.baidu.com/‘)
if not r.status_code==requests.codes.ok:
print(‘Request Fail’)
else:
print(‘Request Successfully’)
requests.codes对象拥有的状态码如下：

#信息性状态码
100：(‘continue’,),
101：(‘switching_protocols’,),
102：(‘processing’,),
103：(‘checkpoint’,),
122：(‘uri_too_long’,’request_uri_too_long’),

#成功状态码
200：(‘ok’,’okay’,’all_ok’,’all_okay’,’all_good’,’\o/‘,’√’),
201：(‘created’,),
202：(‘accepted’,),
203：(‘non_authoritative_info’,’non_authoritative_information’),
204：(‘no_content’,),
205：(‘reset_content’,’reset’),
206：(‘partial_content’,’partial’),
207：(‘multi_status’,’multiple_status’,’multi_stati’,’multiple_stati’),
208：(‘already_reported’,),
226：(‘im_used’,),

#重定向状态码
300：(‘multiple_choices’,),
301：(‘moved_permanently’,’moved’,’\o-‘),
302：(‘found’,),
303：(‘see_other’,’other’),
304：(‘not_modified’,),
305：(‘user_proxy’,),
306：(‘switch_proxy’,),
307：(‘temporary_redirect’,’temporary_moved’,’temporary’),
308：(‘permanent_redirect’,),

#客户端请求错误
400：(‘bad_request’,’bad’),
401：(‘unauthorized’,),
402：(‘payment_required’,’payment’),
403：(‘forbiddent’,),
404：(‘not_found’,’-o-‘),
405：(‘method_not_allowed’,’not_allowed’),
406：(‘not_acceptable’,),
407：(‘proxy_authentication_required’,’proxy_auth’,’proxy_authentication’),
408：(‘request_timeout’,’timeout’),
409：(‘conflict’,),
410：(‘gone’,),
411：(‘length_required’,),
412：(‘precondition_failed’,’precondition’),
413：(‘request_entity_too_large’,),
414：(‘request_uri_too_large’,),
415：(‘unsupported_media_type’,’unsupported_media’,’media_type’),
416：(‘request_range_not_satisfiable’,’requested_range’,’range_not_satisfiable’),
417：(‘expectation_failed’,),
418：(‘im_a_teapot’,’teapot’,’i_am_a_teapot’),
421：(‘misdirected_request’,),
422：(‘unprocessable_entity’,’unprocessable’),
423：(‘locked’),
424：(‘failed_dependency’,’dependency’),
425：(‘unordered_collection’,’unordered’),
426：(‘upgrade_required’,’upgrade’),
428：(‘precondition_required’,’precondition’),
429：(‘too_many_requests’,’too_many’),
431：(‘header_fields_too_large’,’fields_too_large’),
444：(‘no_response’,’none’),
449：(‘retry_with’,’retry’),
450：(‘blocked_by_windows_parental_controls’,’parental_controls’),
451：(‘unavailable_for_legal_reasons’,’legal_reasons’),
499：(‘client_closed_request’,),

#服务端错误状态码
500：(‘internal_server_error’,’server_error’,’/o\‘,’×’)
501：(‘not_implemented’,),
502：(‘bad_gateway’,),
503：(‘service_unavailable’,’unavailable’),
504：(‘gateway_timeout’,),
505：(‘http_version_not_supported’,’http_version’),
506：(‘variant_also_negotiates’,),
507：(‘insufficient_storage’,),
509：(‘bandwidth_limit_exceeded’,’bandwith’),
510：(‘not_extended’,),
511：(‘network_authentication_required’,’network_auth’,’network_authentication’)

爬取二进制数据

图片、音频、视频这些文件本质上都是由二进制码组成的，所以想要爬取它们，就要拿到它们的二进制码。以爬取百度的站点图标（选项卡上的小图标）为例：

import requests
#向资源URL发送一个GET请求
r = requests.get(‘https://www.baidu.com/favicon.ico‘)
with open(‘favicon.ico’,’wb’) as f:
f.write(r.content)
使用open( )方法，它的第一个参数是要保存文件名（可带路径），第二个参数表示以二进制的形式写入数据。运行结束之后，可以在当前目录下发现保存的名为favicon.ico的图标。同样的，音频和视频也可以用这种方法获取。

文件上传

requests可以模拟提交一些数据。假如某网站需要上传文件，我们也可以实现。

import requests
#以二进制方式读取当前目录下的favicon.ico文件，并将其赋给file
files = {‘file’:open(‘favicon.ico’,’rb’)}
#进行上传
r = requests.post(‘http://httpbin.org/post',files=files)
print(r.text)

处理Cookies

使用urllib处理Cookies比较复杂，而使用requests处理Cookies非常简单。

1）获取Cookies。

import requests
r = requests.get(‘https://www.baidu.com‘)
#打印Cookies对象
print(r.cookies)
#遍历Cookies
for key,value in r.cookies.items():
print(key+’=’+value)
通过响应对象调用cookies属性即可获得Cookies，它是一个RequestCookiesJar类型的对象，然后用items( )方法将其转换为元组组成的列表，遍历输出每一个Cookies的名称和值。

2）使用Cookies来维持登录状态。以知乎为例，首先登录知乎，进入一个登录之后才可以访问的页面，在浏览器开发者工具中将Headers 中的Cookies复制下来（有时候这样直接复制的Cookies中包含省略号，会导致程序出错，此时可以在Console项下输document.cookie 即可得到完整的Cookie），在程序中使用它，将其设置到Headers里面，然后发送请求。

import requests
headers = {
‘Cookie’:’_zap=616ef976-1fdb-4b8c-a3cb-9327ff629ff1; _xsrf=0CCNkbCLtTAlz5BfwhMHBHJWW791ZkK6; d_c0="AKBQTnFIRhSPTpoYIf6mUxSic2UjzSp4BYM=|1641093994"; __snaker__id=mMv5F3gmBHIC9jJg; gdxidpyhxdE=E%2BNK7sMAt0%2F3aZ5Ke%2FSRfBRK7B1QBmCtaOwrqJm%2F1ONP3VPItkrXCcMiAX3%2FIsSxUwudQPyuDGO%2BlHGPvNqGqO9bX1%2B58o7wmf%2FZewh8xSPg%2FH3T2HoWsrs7ZhsSGND0C0la%2BXkLIIG5XXV85PxV5g99d%5CMph%2BbkX1JQBGhDnL3N0zRf%3A1641094897088; 9755xjdesxxd=32; YD00517437729195%3AWM_NI=rMeMx2d5Yt3mg0yHPvuPGTjPnGtjL%2Bn%2FPSBnVn%2FHFAVZnIEABUIPITBdsHmMX1iCHfKauO4qhW%2Bi5bTy12Cg91vrxMPgOHtnaAylN8zk7MFpoTr%2FTeKVo3%2FKSSM6T5cNSGE%3D; YD00517437729195%3AWM_NIKE=9ca17ae2e6ffcda170e2e6ee8bea40f8e7a4b2cf69b3b48fb7c54b979b8fbaf17e93909b91fb338ebaaeadec2af0fea7c3b92ab293abaefb3aa8eb9795b267a5f0b7a9d37eb79089b5e95cae99bc8bcf21aef1a0b4c16696b2e1a9c54b9686a2aac84b828b87b1cc6082bcbda9f0479cefa7a4cb6e89bfbbb0b77bac89e58ab86a98a7ffd3c26dfbefba93fb4794b981a9f766a39fb78dcd34bab5f9aec57cad8cbed0d76f898aa1d4ae41918d83d7d73fa1929da8c837e2a3; YD00517437729195%3AWM_TID=Kji43bLtZbRAAAVABFMu4upmK4C%2BEGQH; KLBRSID=9d75f80756f65c61b0a50d80b4ca9b13|1641268679|1641267986; tst=r; NOT_UNREGISTER_WAITING=1; SESSIONID=lbWS7Y8pmp5qM1DErkXJCahgQwwyl79eT8XAOC6qC7A; JOID=V1wXAUwzD9BQH284PTQMxsZMqrkrXmuHBio3Bk1cfuMhV1x9fiHKBjYcaD44XxiWm2kKD5TjJvk-7iTeM3d6aYA=; osd=VVoQAk0xCddTHm0-OjcNxMBLqbgpWGyEBygxAU5dfOUmVF1_eCbJBzQabz05XR6RmGgICZPgJ_s46SffMXF9aoE=; Hm_lvt_98beee57fd2ef70ccdd5ca52b9740c49=1640500881,1641093994,1641267987; Hm_lpvt_98beee57fd2ef70ccdd5ca52b9740c49=1641268678’,
‘User-Agent’:’Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0’,
‘Host’:’www.zhihu.com‘
}
r = requests.get(‘https://www.zhihu.com/people/xing-fu-shi-fen-dou-chu-lai-de-65-18',headers=headers)
print(r.text)
运行之后，结果中包含了登录后的内容，说明获取登录状态成功。

3）也可以通过cookies参数来设置，不过这样就需要构造RequestCookieJar对象，而且需要分割以下cookies，相对繁琐，但效果是一样。

import requests

cookies =’_zap=616ef976-1fdb-4b8c-a3cb-9327ff629ff1; _xsrf=0CCNkbCLtTAlz5BfwhMHBHJWW791ZkK6; d_c0="AKBQTnFIRhSPTpoYIf6mUxSic2UjzSp4BYM=|1641093994"; __snaker__id=mMv5F3gmBHIC9jJg; gdxidpyhxdE=E%2BNK7sMAt0%2F3aZ5Ke%2FSRfBRK7B1QBmCtaOwrqJm%2F1ONP3VPItkrXCcMiAX3%2FIsSxUwudQPyuDGO%2BlHGPvNqGqO9bX1%2B58o7wmf%2FZewh8xSPg%2FH3T2HoWsrs7ZhsSGND0C0la%2BXkLIIG5XXV85PxV5g99d%5CMph%2BbkX1JQBGhDnL3N0zRf%3A1641094897088; 9755xjdesxxd=32; YD00517437729195%3AWM_NI=rMeMx2d5Yt3mg0yHPvuPGTjPnGtjL%2Bn%2FPSBnVn%2FHFAVZnIEABUIPITBdsHmMX1iCHfKauO4qhW%2Bi5bTy12Cg91vrxMPgOHtnaAylN8zk7MFpoTr%2FTeKVo3%2FKSSM6T5cNSGE%3D; YD00517437729195%3AWM_NIKE=9ca17ae2e6ffcda170e2e6ee8bea40f8e7a4b2cf69b3b48fb7c54b979b8fbaf17e93909b91fb338ebaaeadec2af0fea7c3b92ab293abaefb3aa8eb9795b267a5f0b7a9d37eb79089b5e95cae99bc8bcf21aef1a0b4c16696b2e1a9c54b9686a2aac84b828b87b1cc6082bcbda9f0479cefa7a4cb6e89bfbbb0b77bac89e58ab86a98a7ffd3c26dfbefba93fb4794b981a9f766a39fb78dcd34bab5f9aec57cad8cbed0d76f898aa1d4ae41918d83d7d73fa1929da8c837e2a3; YD00517437729195%3AWM_TID=Kji43bLtZbRAAAVABFMu4upmK4C%2BEGQH; KLBRSID=9d75f80756f65c61b0a50d80b4ca9b13|1641268679|1641267986; tst=r; NOT_UNREGISTER_WAITING=1; SESSIONID=lbWS7Y8pmp5qM1DErkXJCahgQwwyl79eT8XAOC6qC7A; JOID=V1wXAUwzD9BQH284PTQMxsZMqrkrXmuHBio3Bk1cfuMhV1x9fiHKBjYcaD44XxiWm2kKD5TjJvk-7iTeM3d6aYA=; osd=VVoQAk0xCddTHm0-OjcNxMBLqbgpWGyEBygxAU5dfOUmVF1_eCbJBzQabz05XR6RmGgICZPgJ_s46SffMXF9aoE=; Hm_lvt_98beee57fd2ef70ccdd5ca52b9740c49=1640500881,1641093994,1641267987; Hm_lpvt_98beee57fd2ef70ccdd5ca52b9740c49=1641268678’
jar = requests.cookies.RequestsCookieJar()
headers = {
‘User-Agent’:’Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0’,
‘Host’:’www.zhihu.com‘
}
for cookie in cookies.split(‘;’):
key,value = cookie.split(‘=’,1)
jar.set(key,value)
r = requests.get(‘https://www.zhihu.com/people/xing-fu-shi-fen-dou-chu-lai-de-65-18',headers=headers)
print(r.text)

会话维持

通过调用get( )或post( )等方法可以做到模拟网页的请求，但是这实际上是相当于不同的会话，也就是说相当于你用了两个浏览器打开不同的页面。如果第一个请求利用post( )方法登录了网站，第二次想获取登录成功后的自己的个人信息，又使用了一次get( )方法取请求个人信息，实际上，这相当于打开了两个浏览器，所以是不能成功的获取到个人信息的。为此，需要会话维持，你可以在两次请求时设置一样的Cookies，但这样很繁琐，而通过Session类可以很轻松地维持一个会话。

import requests
s = requests.Session()
s.get(‘http://httpbin.org/cookies/set/number/123456789‘)
r = s.get(‘http://httpbin.org/cookies‘)
print(r.text)
首先通过requests打开一个会话，然后通过该会话发送了一个get请求，该请求用于向cookies中设置参数number，参数值为123456789；接着又使用该发起了一个get请求，用于获取Cookies，然后打印获取的内容。

成功获取。

SSL证书验证

requests还提供了证书验证功能，当发送HTTP请求的时候，它会检查SSL证书，我们可以使用verify参数控制是否检查SSL证书。

1）请求一个HTTPS网站时，如果该网站的证书没有被CA机构信任，程序将会出错，提示SSL证书验证错误。对此，只需要将verify参数设置为False即可。如下：

import requests
resposne = requests.get(‘https://www.12306.cn',verify=False)
print(response.status_code)
也可以指定一个本地证书用作客户端证书，它可以是单个文件（包含密钥和证书）或一个包含两个文件路径的元组。

import requests
#本地需要有crt和key文件（key必须是解密状态，加密状态的key是不支持的），并指定它们的路径，
response = requests.get(‘https://www.12306.cn',cert('/path/server.crt','/path/key'))
print(response.status_code)
2）在请求SSL证书不被CA机构认可的HTTPS网站时，虽然设置了verify参数为False，但程序运行可能会产生警告，警告中建议我们给它指定证书，可以通过设置忽略警告的方式来屏蔽这个警告：

import requests
from requests.packages import urllib3
urllib3.disable_warnings()
response = requests.get(‘https://www.12306.cn',verify=False)
print(response.status_code)
或者通过捕获警告到日志的方式忽略警告：
1
import logging
import requests
logging.captureWarnings(True)
response = requests.get(‘https://www.12306.cn',verify=False)
print(response.status_code)

代理设置

对于某些网站，在测试的时候请求几次，能正常获取内容。但是一旦开始大规模、频繁地爬取，网站可能会弹出验证码，或者跳转到登录验证页面，更有甚者可能会直接封禁客户端的IP，导致一定时间内无法访问。为了防止这种情况，我们需要使用代理来解决这个问题，这就需要用到proxies参数。

1）设置代理

import requests

proxies = {
#该代理服务器在免费代理网站上得到的，这样的网站有很多
‘http’: ‘http://161.35.4.201:80‘,
‘https’: ‘https://161.35.4.201:80‘
}
try:
response = requests.get(‘http://httpbin.org/get‘, proxies=proxies)
print(response.text)
except requests.exceptions.ConnectionError as e:
print(‘Error’, e.args)

可以发现，我们使用的是代理服务器进行访问的。

2）如果代理需要使用HTTP Basic Auth，可以使用类似http://user:password@host:port这样的语法来设置代理。

import requests
proxies = {
“http”:”http://user:password@161.35.4.201:80“
}
r = requests.get(“https://www.taobao.com",proxies=proxies)
print(r.text)
3）除了基本的HTTP代理外，requests还支持SOCKS协议的代理。首先需要安装socks这个库：

pip3 install ‘requests[socks]’
1
import requests
proxies = {
‘http’:’socks5://user:password@host:port’,
‘https’:’socks5://user:password@host:port’
}
request.get(‘https://www.taobao.com',proxies=proxies)
然后就可以使用SOCKS协议代理了

import requests
proxies = {
‘http’:’socks5://user:password@host:port’,
‘https’:’socks5://user:password@host:port’
}
requests.get(‘https://www.taobao.com',proxies=proxies)

超时设置

在本机网络状况不好或者服务器网络响应太慢甚至无响应时，我们可能会等待特别久的时间才可能收到响应，甚至到最后收不到响应而报错。为了应对这种情况，应设置一个超时时间，这个时间是计算机发出请求到服务器返回响应的时间，如果请求超过了这个超时时间还没有得到响应，就抛出错误。这就需要使用timeout参数实现，单位为秒。

1）指定请求总的超时时间

import requests
#向淘宝发出请求，如果1秒内没有得到响应，则抛出错误
r = requests.get(‘https://www.taobao.com',timeout=1)
print(r.status_code)

2）分别指定超时时间。实际上，请求分为两个阶段：连接（connect）和读取（read）。如果给timeout参数指定一个整数值，则超时时间是这两个阶段的总和；如果要分别指定，就可以传入一个元组，连接超时时间和读取超时时间：

import requests
#向淘宝发出请求，如果连接阶段5秒内没有得到响应或读取阶段30秒内没有得到响应，则抛出错误
r = requests.get(‘https://www.taobao.com',timeout=(5,30))
print(r.status_code)

3）如果想永久等待，可以直接timeout设置为None，或者不设置timeout参数，因为它的默认值就是None。

import requests
#向淘宝发出请求，如果连接阶段5秒内没有得到响应或读取阶段30秒内没有得到响应，则抛出错误
r = requests.get(‘https://www.taobao.com',timeout=None))
print(r.status_code)

身份验证

访问某网站时，可能会遇到如下的验证页面：

1）此时可以使用requests自带的身份验证功能，通过HTTPBasicAuth类实现。

import requests
from requests.auth import HTTPBasicAuth
r = requests.get(‘http://localhost:8080/manager/html',auth=HTTPBasicAuth('admin','123456'))
print(r.status_code)

如果用户名和密码正确的话，返回200状态码；如果不正确，则返回401状态码。也可以不使用HTTPBasicAuth类，而是直接传入一个元组，它会默认使用HTTPBasicAuth这个类来验证。

import requests
from requests.auth import HTTPBasicAuth
r = requests.get(‘http://localhost:8080/manager/html',auth=('admin','123456'))
print(r.status_code)

2）requests还提供了其他验证方式，如OAuth验证，不过需要安装oauth包，安装命令如下：

pip3 install requests_oauthlib
1
使用OAuth验证的方法如下：

import requests
from requests_oauthlib import OAuth1
url = ‘https://api.twitter.com/1.1/account/verify_credentials.json‘
auth = OAuth1(“YOUR_APP_KEY”,”YOUR_APP_SECRET”,”USER_OAUTH_TOKEN”,”USER_OAUTH_TOKEN_SECRET”)
requests.get(url,auth=auth)

Prepared Request

在学习urllib库时，发送请求如果需要设置请求头，需要通过一个Request对象来表示。在requests库中，存在一个与之类似的类，称为Prepared Request。

from requests import Request,Session
url = ‘http://httpbin.org/post‘
data = {
‘name’:’germey’
}
headers = {
‘User-Agent’:’Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0’
}
s = Session()
req = Request(‘POST’,url,data=data,headers=headers)
prepped = s.prepare_request(req)
r = s.send(prepped)
print(r.text)

这里引入了Request，然后用url、data和headers参数构造了一个Request对象，这时需要再调用Session的prepare_request( )方法将其转换为一个Prepared Request对象，然后调用send( )方法发送。这样做的好处时：可以利用Request将请求当作独立的对象来看待，这样在进行队列调度时会非常方便，后面会用它来构造一个Request队列。