芝麻HTTP： Python爬虫利器之Requests库的用法

 

前言

以前咱们用了 urllib 库，这个做为入门的工具仍是不错的，对了解一些爬虫的基本理念，掌握爬虫爬取的流程有所帮助。入门以后，咱们就须要学习一些更加高级的内容和工具来方便咱们的爬取。那么这一节来简单介绍一下 requests 库的基本用法。

安装

利用 pip 安装

$ pip install requests

或者利用 easy_install

$ easy_install requests

经过以上两种方法都可以完成安装。

引入

首先咱们引入一个小例子来感觉一下

import requests
 
r = requests.get('http://cuiqingcai.com')
print type(r)
print r.status_code
print r.encoding
#print r.text
print r.cookies

以上代码咱们请求了本站点的网址，而后打印出了返回结果的类型，状态码，编码方式，Cookies等内容。

运行结果以下

<class 'requests.models.Response'>
200
UTF-8
<RequestsCookieJar[]>

怎样，是否是很方便。别急，更方便的在后面呢。

基本请求

requests库提供了http全部的基本请求方式。例如

r = requests.post("http://httpbin.org/post")
r = requests.put("http://httpbin.org/put")
r = requests.delete("http://httpbin.org/delete")
r = requests.head("http://httpbin.org/get")
r = requests.options("http://httpbin.org/get")

嗯，一句话搞定。

基本GET请求

最基本的GET请求能够直接用get方法

r = requests.get("http://httpbin.org/get")

若是想要加参数，能够利用 params 参数

import requests
 
payload = {'key1': 'value1', 'key2': 'value2'}
r = requests.get("http://httpbin.org/get", params=payload)
print r.url

运行结果

http://httpbin.org/get?key2=value2&key1=value1

若是想请求JSON文件，能够利用 json() 方法解析

例如本身写一个JSON文件命名为a.json，内容以下

["foo", "bar", {
  "foo": "bar"
}]

利用以下程序请求并解析

import requests
 
r = requests.get("a.json")
print r.text
print r.json()

运行结果以下，其中一个是直接输出内容，另一个方法是利用 json() 方法解析，感觉下它们的不一样

["foo", "bar", {
 "foo": "bar"
 }]
 [u'foo', u'bar', {u'foo': u'bar'}]

若是想获取来自服务器的原始套接字响应，能够取得 r.raw 。 不过须要在初始请求中设置 stream=True 。

r = requests.get('https://github.com/timeline.json', stream=True)
r.raw
<requests.packages.urllib3.response.HTTPResponse object at 0x101194810>
r.raw.read(10)
'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03'

这样就获取了网页原始套接字内容。

若是想添加 headers，能够传 headers 参数

import requests
 
payload = {'key1': 'value1', 'key2': 'value2'}
headers = {'content-type': 'application/json'}
r = requests.get("http://httpbin.org/get", params=payload, headers=headers)
print r.url

经过headers参数能够增长请求头中的headers信息

基本POST请求

 

对于 POST 请求来讲，咱们通常须要为它增长一些参数。那么最基本的传参方法能够利用 data 这个参数。

import requests
 
payload = {'key1': 'value1', 'key2': 'value2'}
r = requests.post("http://httpbin.org/post", data=payload)
print r.text

运行结果

​

{
  "args": {}, 
  "data": "", 
  "files": {}, 
  "form": {
    "key1": "value1", 
    "key2": "value2"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "23", 
    "Content-Type": "application/x-www-form-urlencoded", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.9.1"
  }, 
  "json": null, 
  "url": "http://httpbin.org/post"
}

​

能够看到参数传成功了，而后服务器返回了咱们传的数据。

有时候咱们须要传送的信息不是表单形式的，须要咱们传JSON格式的数据过去，因此咱们能够用 json.dumps() 方法把表单数据序列化。

import json
import requests
 
url = 'http://httpbin.org/post'
payload = {'some': 'data'}
r = requests.post(url, data=json.dumps(payload))
print r.text

运行结果

{
  "args": {}, 
  "data": "{\"some\": \"data\"}", 
  "files": {}, 
  "form": {}, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "16", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.9.1"
  }, 
  "json": {
    "some": "data"
  },  
  "url": "http://httpbin.org/post"
}

经过上述方法，咱们能够POST JSON格式的数据

若是想要上传文件，那么直接用 file 参数便可

新建一个 a.txt 的文件，内容写上 Hello World!

import requests
 
url = 'http://httpbin.org/post'
files = {'file': open('test.txt', 'rb')}
r = requests.post(url, files=files)
print r.text

能够看到运行结果以下

{
  "args": {}, 
  "data": "", 
  "files": {
    "file": "Hello World!"
  }, 
  "form": {}, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "156", 
    "Content-Type": "multipart/form-data; boundary=7d8eb5ff99a04c11bb3e862ce78d7000", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.9.1"
  }, 
  "json": null, 
  "url": "http://httpbin.org/post"
}

这样咱们便成功完成了一个文件的上传。

requests 是支持流式上传的，这容许你发送大的数据流或文件而无需先把它们读入内存。要使用流式上传，仅需为你的请求体提供一个类文件对象便可

with open('massive-body') as f:
    requests.post('http://some.url/streamed', data=f)

这是一个很是实用方便的功能。