Python爬虫(八)_Requests的使用

Requests：让HTTP服务人类

虽然Python的标准库中urllib2模块中已经包含了平常我们使用的大多数功能，但是它的API使用起来让人感觉不太好，而Requests自称"HTTP for Humans"，说明使用更简单方便。

Requests唯一的一个非转基因的Python HTTP库，人类可以安全享用

Requests继承了urllib2的所有特性。Requests支持HTTP连接保持和连接池，支持使用cookie保持会话，支持文件上传，支持自动确定响应内容的编码，支持国际化的URL和POST数据自动编码。

requests的底层实现其实就是urllib3

Requests的文档非常完备，中文文档也相当不错。Requests能完全满足当前网络的需求，支持Python2.6-3.5，而且能在PyPy下完美运行。

开源首地址：https://github.com/kennethreitz/requests

中文文档API： http://docs.python-requests.org/zh_CN/latest/index.html

安装方式

利用pip安装或者利用easy_install都可以完成安装：

$pip install requests

$easy_install requests

基本GET请求(headers参数和parmas参数)

最基本的GET请求可以直接用get方法

response = requests.get("http://www.baidu.com/")

#也可以这么写

#response = requests.request("get", "http://www.baidu.com/")

添加headers和查询参数

如果想添加headers，可以传入headers参数来参加请求头中的headers信息，如果要将参数放在url中传递，可以利用params参数。

import requests

kw = {'wd':'长城'}

headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}

#params接收一个字典或者字符串的查询参数，字典类型自动转换为url编码，不需要urlencode()

response = requests.get("http://www.baidu.com/s?", params=kw, headers = headers)

#查看响应内容，response.text返回的是Unicode格式的数据

print(response.text)

#查看响应内容，response.content返回的字节流数据

print(response.content)

#查看完整url地址

print(response.url)

#查看响应头部字符编码

print(response.encoding)

#查看响应码

print(response.status_code)

运行结果

......

......

'http://www.baidu.com/s?wd=%E9%95%BF%E5%9F%8E'

'utf-8'

200

使用response.text时，Requests会基于HTTP响应的文本编码自动解码响应内容，大多数Unicode字符集都能被无缝地解码。

使用response.content时，返回的是服务器响应数据的原始二进制字节流，可以用来保存图片等二进制文件。

基本POST请求(data参数)

最基本的GET请求可以直接用post方法

response = requests.post("http://www.baidu.com/", data=data)

传入data数据

对于POST请求来说，我们一般需要为它增加一些参数。那么醉基本的穿参方法可以利用data这个参数。

import requests

formdata = {

    "type":"AUTO",

    "i":"i love python",

    "doctype":"json",

    "xmlVersion":"1.8",

    "keyfrom":"fanyi.web",

    "ue":"UTF-8",

    "action":"FY_BY_ENTER",

    "typoResult":"true"

}

url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null"

headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36"}

response = requests.post(url, data=formdata, headers=headers)

print(response.text)

#如果是json文件可以直接显示

print(response.json())

运行结果

{"type":"EN2ZH_CN","errorCode":0,"elapsedTime":2,"translateResult":[[{"src":"i love python","tgt":"我喜欢python"}]],"smartResult":{"type":1,"entries":["","肆文","高德纳"]}}

{u'errorCode': 0, u'elapsedTime': 0, u'translateResult': [[{u'src': u'i love python', u'tgt': u'\u6211\u559c\u6b22python'}]], u'smartResult': {u'type': 1, u'entries': [u'', u'\u8086\u6587', u'\u9ad8\u5fb7\u7eb3']}, u'type': u'EN2ZH_CN'}

代理(proxies参数)

如果需要使用代理，你可以通过为任意请求方法提供proxies参数来配置单个请求：

import requests

#根据协议内容，选择不同的代理

proxies = {

    "http":"http://12.34.56.79:9527",

    "https":"http://12.34.56.79:9527"

}

response = requests.get("http://www.baidu.com", proxies = proxies)

print(response.text)

也可以通过本地环境变量HTTP_PROXY和HTTPS_PROXY来配置代理：

export HTTP_PROXY="http://12.34.56.79:9527"

export HTTPS_PROXY="https://12.34.56.79:9527"

私密代理验证(特定格式)和Web客户端验证(auth参数)

urllib2这里的做法比较复杂，requests只需要一步：

私密代理

import requests

#如果带来需要使用HTTP Basic Auth，可以使用下面这种格式：

proxy = {"http":"mr_mao_hacker:sffgr9r@61.158.163.130:16816"}

response = requests.get("http://www.baidu.com", proxies=proxy)

print(response.text)

web客户端验证

如果是Web客户端验证，需要添加auth=(账户名，密码)

import requests

auth={"test":"123456"}

response = requests.get("http://192.168.199.107", auth=auth)

print(response.text)

urllib2泪奔...

Cookies和Sission

Cookies

如果一个相应中包含了cookie,那么我们可以利用cookies参数拿到：

import requests

response = requests.get("http://www.baidu.com/")

#7.返回cookieJar对象：

cookiejar = response.cookies

#8.将CookieJar转为字典：

cookiedict = requests.utils.dict_from_cookiejar(cookiejar)

print(cookiejar)

print(cookiedict)

运行结果：

<RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>

{'BDORZ': '27315'}

**Session

在requests里，session对象是一个非常常用的对象，这个对象代表依次用户会话：从客户端浏览器连接服务器开始，到客户端浏览器与服务器断开。

会话能让我们在跨请求时候保持某些参数，比如在同一个Session实例发出的所有请求之间保持cookie

实现人人网登陆

import requests

#1.创建session对象，可以保存Cookie值

ssion = requests.session()

#2.处理headers

headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}

#3.需要登陆的用户名和密码

data={"email":"mr_mao_hacker@163.com", "passwd":"alarmchime"}

#4.发送附带用户名和密码的请求，并获取登陆后的Cookie的值，保存在session里

ssion.post("http://www.renren.com/PLogin.do", data=data)

#5.ssion包含用户登陆后的cookie值，可以直接访问那些登陆后的页面

response = ssion.get("http://www.renren.com/410043129/profile")

#6.打印响应内容

print(response.text)

处理HTTPS请求SSL证书验证

Requests也可以为HTTPS请求验证SSL证书：

要想检查某个主机的SSL证书，你可以使用verify(也可以不写)

import requests

response = requests.get("https://www.baidu.com", verify=true)

#也可以省略不写

#response = requests.get("https://www.baidu.com/")

print r.txt

运行结果：

<!DOCTYPE html>

<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge>百度一下，你就知道

如果SSL证书验证不通过，或者不信任服务器的安全证书，则会报出SSLError，据说12306证书是自己做的:

来测试一下：

import requests

response = requests.get("https://www.12306.cn/mormhweb/")

print(response.text)

果然：

SSLError: ("bad handshake: Error([('SSL routines', 'ssl3_get_server_certificate', 'certificate verify failed')],)",)

如果我们想跳过12306的证书验证，把verify设置为False就可以正常请求了。

r = requests.get("https://www.12306.cn/mormhweb/", verify = False)