【Python】从入门到上头—网络请求模块urlib和reuests的应用场景（12）

一.urlib模块

urllib提供了一系列用于操作URL的功能。

1.Get请求

• urllib的request模块可以非常方便地抓取URL内容，也就是发送一个GET请求到指定的页面，然后返回HTTP的响应：

如： 对豆瓣https://api.douban.com/v2/book/2129651进行抓取，并返回响应：

from urllib import request

with request.urlopen('https://www.baidu.com') as f:
    data = f.read()
    print('Status:', f.status, f.reason)
    #响应头
    for k, v in f.getheaders():
        print('%s: %s' % (k, v))
    #响应数据    
    print('Data:', data.decode('utf-8'))

可以看到HTTP响应的头和JSON数据：

Status: 200 OK
Server: nginx
Date: Tue, 26 May 2015 10:02:27 GMT
Content-Type: application/json; charset=utf-8
Content-Length: 2049
Connection: close
Expires: Sun, 1 Jan 2006 01:00:00 GMT
Pragma: no-cache
Cache-Control: must-revalidate, no-cache, private
X-DAE-Node: pidl1
Data: {
    
    "rating":{
    
    "max":10,"numRaters":16,"average":"7.4","min":0},"subtitle":"","author":["廖雪峰编著"],"pubdate":"2007-6",...}

如果我们要想模拟浏览器发送GET请求，就需要使用Request对象，通过往Request对象添加HTTP头，我们就可以把请求伪装成浏览器。例如，模拟iPhone 6去请求豆瓣首页：

from urllib import request

req = request.Request('http://www.douban.com/')
req.add_header('User-Agent', 'Mozilla/6.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25')
with request.urlopen(req) as f:
    print('Status:', f.status, f.reason)
    for k, v in f.getheaders():
        print('%s: %s' % (k, v))
    print('Data:', f.read().decode('utf-8'))

这样豆瓣会返回适合iPhone的移动版网页：

...
    <meta name="viewport" content="width=device-width, user-scalable=no, initial-scale=1.0, minimum-scale=1.0, maximum-scale=1.0">
    <meta name="format-detection" content="telephone=no">
    <link rel="apple-touch-icon" sizes="57x57" href="http://img4.douban.com/pics/cardkit/launcher/57.png" />
...

2.Post请求

如果要以POST发送一个请求，只需要把参数data以bytes形式传入。

我们模拟一个微博登录，先读取登录的邮箱和口令，然后按照weibo.cn的登录页的格式以username=xxx&password=xxx的编码传入：

from urllib import request, parse

print('Login to weibo.cn...')
email = input('Email: ')
passwd = input('Password: ')
login_data = parse.urlencode([
    ('username', email),
    ('password', passwd),
    ('entry', 'mweibo'),
    ('client_id', ''),
    ('savestate', '1'),
    ('ec', ''),
    ('pagerefer', 'https://passport.weibo.cn/signin/welcome?entry=mweibo&r=http%3A%2F%2Fm.weibo.cn%2F')
])

req = request.Request('https://passport.weibo.cn/sso/login')
req.add_header('Origin', 'https://passport.weibo.cn')
req.add_header('User-Agent', 'Mozilla/6.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25')
req.add_header('Referer', 'https://passport.weibo.cn/signin/login?entry=mweibo&res=wel&wm=3349&r=http%3A%2F%2Fm.weibo.cn%2F')

with request.urlopen(req, data=login_data.encode('utf-8')) as f:
    print('Status:', f.status, f.reason)
    for k, v in f.getheaders():
        print('%s: %s' % (k, v))
    print('Data:', f.read().decode('utf-8'))

如果登录成功，我们获得的响应如下：

Status: 200 OK
Server: nginx/1.2.0
...
Set-Cookie: SSOLoginState=1432620126; path=/; domain=weibo.cn
...
Data: {
    
    "retcode":20000000,"msg":"","data":{
    
    ...,"uid":"1658384301"}}

如果登录失败，我们获得的响应如下：

...
Data: {
    
    "retcode":50011015,"msg":"\u7528\u6237\u540d\u6216\u5bc6\u7801\u9519\u8bef","data":{
    
    "username":"[email protected]","errline":536}}

3.代理

如果还需要更复杂的控制，比如通过一个Proxy去访问网站，我们需要利用ProxyHandler来处理，示例代码如下：

proxy_handler = urllib.request.ProxyHandler({
    
    'http': 'http://www.example.com:3128/'})
proxy_auth_handler = urllib.request.ProxyBasicAuthHandler()
proxy_auth_handler.add_password('realm', 'host', 'username', 'password')
opener = urllib.request.build_opener(proxy_handler, proxy_auth_handler)
with opener.open('http://www.example.com/login.html') as f:
    pass

4.小结

urllib提供的功能就是利用程序去执行各种HTTP请求。如果要模拟浏览器完成特定功能，需要把请求伪装成浏览器。伪装的方法是·先监控浏览器发出的请求，再根据浏览器的请求头来伪装，User-Agent头就是用来标识浏览器的·。

二.reuests模块

我们已经讲解了Python内置的urllib模块，用于访问网络资源。但是，它用起来比较麻烦，而且，缺少很多实用的高级功能。

更好的方案是使用requests。它是一个Python第三方库，处理URL资源特别方便。

1.安装requests

• 如果安装了Anaconda(免费、易于安装的包管理器)，requests就已经可用了。否则，需要在命令行下通过pip安装：

   pip install requests
  

如果遇到Permission denied安装失败，请加上sudo重试。

2.使用requests

GET请求

• GET请求访问一个页面，只需要几行代码：

  import requests
  r = requests.get('https://www.douban.com/') # 豆瓣首页
  r.status_code
  #200
  r.text
  #'<!DOCTYPE HTML>\n<html>\n<head>\n<meta name="description" content="提供图书、电影、音乐唱片的推荐、评论和...'
  

• 对于带参数的URL，传入一个dict作为params参数：

  r = requests.get('https://www.douban.com/search', params={
        
        'q': 'python', 'cat': '1001'})
  
  r.url # 实际请求的URL
  #'https://www.douban.com/search?q=python&cat=1001'
  

• requests自动检测编码，可以使用encoding属性查看：

   r.encoding
   #'utf-8'
  

• 无论响应是文本还是二进制内容，我们都可以用content属性获得bytes对象：

   r.content
  #b'<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv="Content-Type" content="text/html; charset=utf-8">\n...'
  

• requests的方便之处还在于，对于特定类型的响应，例如JSON，可以直接获取：

  r = requests.get('https://query.yahooapis.com/v1/public/yql?q=select%20*%20from%20weather.forecast%20where%20woeid%20%3D%202151330&format=json')
  r.json()
  #{'query': {'count': 1, 'created': '2017-11-17T07:14:12Z', ...
  

• 需要传入HTTP Header时，我们传入一个dict作为headers参数：

  r = requests.get('https://www.douban.com/', headers={
        
        'User-Agent': 'Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit'})
  r.text
  #'<!DOCTYPE html>\n<html>\n<head>\n<meta charset="UTF-8">\n <title>豆瓣(手机版)</title>...'
  

POST请求

• 要发送POST请求，只需要把get()方法变成post()，然后传入data参数作为POST请求的数据：

  r = requests.post('https://accounts.douban.com/login', data={
        
        'form_email': '[email protected]', 'form_password': '123456'})
  

• requests默认使用application/x-www-form-urlencoded对POST数据编码。如果要传递JSON数据，可以直接传入json参数：

  params = {
        
        'key': 'value'}
  r = requests.post(url, json=params) # 内部自动序列化为JSON
  

• 类似的，上传文件需要更复杂的编码格式，但是requests把它简化成files参数：

  
  upload_files = {
        
        'file': open('report.xls', 'rb')}
  r = requests.post(url, files=upload_files)
  

• 在读取文件时，注意务必使用'rb'即二进制模式读取，这样获取的bytes长度才是文件的长度。

把post()方法替换为put()，delete()等，就可以以PUT或DELETE方式请求资源。

• 除了能轻松获取响应内容外，requests对获取HTTP响应的其他信息也非常简单。如，获取响应头：

  r.headers
  #{Content-Type': 'text/html; charset=utf-8', 'Transfer-Encoding': 'chunked', 'Content-Encoding': 'gzip', ...}
  r.headers['Content-Type']
  #'text/html; charset=utf-8'
  

Cookie

• requests对Cookie做了特殊处理，使得我们不必解析Cookie就可以轻松获取指定的Cookie：

  r.cookies['ts']
  #'example_cookie_12345'
  

• 要在请求中传入Cookie，只需准备一个dict传入cookies参数：

  cs = {
        
        'token': '12345', 'status': 'working'}
  r = requests.get(url, cookies=cs)
  

超时时间

• 要指定超时，传入以秒为单位的timeout参数：

   r = requests.get(url, timeout=2.5) # 2.5秒后超时
  

3.小结

• 用requests获取URL资源，就是这么简单！