Python-Request库入门

Requests简介

最友好的网络爬虫功能库
提供了简单易用的类HTTP协议网络爬虫功能
支持连接池、SSL、Cookies、HTTP(S)代理等
Python最主要的页面级网络爬虫功能库

Request库小测

>>> import requests
>>> r = requests.get("http://www.baidu.com");
>>> r.status_code
200
>>> r.text[:200];
'<!DOCTYPE html>\r\n<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link re'
>>> r.text[-500:];
'script> <a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">更多产品</a> </div> </div> </div> <div id=ftCon> <div id=ftConw> <p id=lh> <a href=http://home.baidu.com>关于百度</a> <a href=http://ir.baidu.com>About Baidu</a> </p> <p id=cp>&copy;2017&nbsp;Baidu&nbsp;<a href=http://www.baidu.com/duty/>使用百度前必读</a>&nbsp; <a href=http://jianyi.baidu.com/ class=cp-feedback>意见反馈</a>&nbsp;京ICP证030173号&nbsp; <img src=//www.baidu.com/img/gs.gif> </p> </div> </div> </div> </body> </html>\r\n'

Request库的7个主要方法

方法	说明
requests.request()	构造一个请求，支撑一下各方法的基础方法
requests.get()	构造HTML网页的主要方法，对应与HTTP的GET
requests.head()	获取HTML网页头信息的方法，对应于HTTP的HEAD
requests.post()	向HTML网页提交POST请求的方法让，对应于HTTP的POST
requests.put()	向HTML网页提交PUT请求的方法，对应于HTTP的PUT
request.patch()	向HTML网页提交局部修改请求，对应于HTTP的PATCH
request.delete()	向HTML网页提交删除请求，对应于HTTP的DELETE

Requests库的get()方法

r = requests.get(url)

构造一个向服务器请求资源的Request对象
返回一个包含服务器资源的Response对象r

request.get(url, params=None, **kwargs)

url:拟获取页面的url链接
params:url中的额外参数，字典或字节流格式，可选
**kwargs:12个控制访问的参数

get方法内部调用了request方法

Response对象的属性

属性	说明
r.status_code	HTTP请求的返回状态，200表示连接成功，404表示失败
r.text	HTTP响应内容的字符串形式，即url对应的页面内容
r.encoding	从HTTP header中猜测的响应内容的编码方式
r.apparent_encoding	从内容中分析出的响应内容编码方式（备选编码方式）
r.content	HTTP响应内容的二进制形式

理解Response的编码

r.encoding:如果header中不存在charset,则认为编码为ISO-8859-1,r.text根据r.encoding显示网页内容

r.apparent_encoding:根据网页内容分析出的编码方式，可以看作是r.encoding的备选

理解Requests库的异常

异常	说明
requests.ConnectionError	网络连接错误异常，如DNS查询失败，拒绝连接等
requests.HTTPError	HTTP错误异常
requests.URLRequired	URL确实异常
requests.TooManyRedirects	超过最大重定向次数，产生重定向异常
requests.ConnectTimeout	连接远程服务器超时异常
requests.Timeout	请求URL超时，产生超时异常
r.raise_for_status()	如果不是200，产生异常requests.HTTPError

r.raise_for_status()在方法内部判断r.status_code是否等于200，不需要增加额外的if语句，该语句便于利用try-except进行异常处理

**kwargs控制访问参数

参数	说明
params	字典或字节序列，作为参数增加到url中
data	字典、字节序列或文件对象，作为Request的内容
json	JSON格式的数据，作为Request的内容
headers	字典、HTTP定制头
cookies	字典或CookieJar,Request中的cookie
auth	元祖，支持HTTP认证功能
files	字典类型，传输文件
timeout	设定超时时间，单位:秒
proxies	字典类型，设定访问代理服务器，可以增加登录认证
allow_redirects	True/False,默认为True,重定向开关
stream	True/False,默认为True,获取内容立即下载开关
verify	True/False,默认为True,认证SSL证书开关
cert	本地SSL证书路径

1.params:字典或字节序列，作为参数增加到url中
>>> import requests
>>> kv = {'key1':'value1','key2':'value2'};
>>> r = requests.request('GET', 'http://python123.io/ws', params=kv);
>>> r.url
#'https://python123.io/ws?key1=value1&key2=value2'

2.data:字典、字节序列或文件对象，作为Request的内容
>>> import requests
>>> body = '主题内容'.encode('utf-8');
>>> r = requests.request('POST', 'http://python123.io/ws', data=body);

3.json:JSON格式的数据，作为Request的内容
>>> import requests
>>> kv = {'key1':'value1'};
>>> r = requests.request('POST', 'http://python123.io/ws', json=kv);

4.headers:字典，HTTP定制头
>>> import requests
>>> hd = {'user-agent':'Chrome/10'};
>>> r = requests.request('POST', 'http://python123.io/ws', headers=hd);

5.files:字典类型，传输文件
>>> import requests
>>> fs = {'file':open('data.xls','rb')};
>>> r = requests.request('POST', 'http://python123.io/ws', files=fs);

6.proxies:字典类型，设定访问代理服务器，可以增加登录认证
>>> import requests
>>> pxs = {'http':'http://user:[email protected]:1234',
            'https':'https://10.10.10.1:4321'};
>>> r = requests.request('GET', 'http://www.baidu.com',proxies=pxs);

本文仅为学习Python记录，资料来源于中国大学MOOC《Python网络爬虫与信息提取》—嵩天

Python-Request库入门

Requests简介

Request库的7个主要方法

猜你喜欢