Python 爬虫（二）：Requests 库

目录

• 1 简介
• 2 快速上手
• 2.1 发送请求
• 2.2 参数传递
• 2.3 响应内容
• 2.4 自定义请求头
• 2.5 重定向与历史
• 2.6 错误与异常

所谓爬虫就是模拟客户端发送网络请求，获取网络响应，并按照必定的规则解析获取的数据并保存的程序。要说 Python 的爬虫必然绕不过 Requests 库。

1 简介

对于 Requests 库，官方文档是这么说的：

Requests 惟一的一个非转基因的 Python HTTP 库，人类能够安全享用。
警告：非专业使用其余 HTTP 库会致使危险的反作用，包括：安全缺陷症、冗余代码症、从新发明轮子症、啃文档症、抑郁、头疼、甚至死亡。

这个介绍仍是比较生动形象的，便再也不多说。安装使用终端命令 pip install requests 。

2 快速上手

2.1 发送请求

导入 Requests 模块：

import requests

获取网页：

r = requests.get('http://xxx.xxx')

此时，咱们获取了 Response 对象 r，咱们能够经过 r 获取所需信息。Requests 简便的 API 意味着全部 HTTP 请求类型都是显而易见的，咱们来看一下使用常见 HTTP 请求类型 get、post、put、delete 的示例：

r = requests.head('http://xxx.xxx/get')
r = requests.post('http://xxx.xxx/post', data = {'key':'value'})
r = requests.put('http://xxx.xxx/put', data = {'key':'value'})
r = requests.delete('http://xxx.xxx/delete')

一般咱们会设置请求的超时时间，Requests 使用 timeout 参数来设置，单位是秒，示例以下：

r = requests.head('http://xxx.xxx/get', timeout=1)

2.2 参数传递

在使用 get 方式发送请求时，咱们会将键值对形式参数放在 URL 中问号的后面，如：http://xxx.xxx/get?key=val ，Requests 经过 params 关键字，以一个字符串字典来提供这些参数。好比要传 key1=val1 和 key2=val2 到 http://xxx.xxx/get，示例以下：

pms= {'key1': 'val1', 'key2': 'val2'}
r = requests.get("http://xxx.xxx/get", params=pms)

Requests 还容许将一个列表做为值传入：

pms= {'key1': 'val1', 'key2': ['val2', 'val3']}

注：字典里值为 None 的键都不会被添加到 URL 的查询字符串里。

2.3 响应内容

咱们来获取一下服务器的响应内容，这里地址 https://api.github.com 为例：

import requests
r = requests.get('https://api.github.com')
print(r.text)

# 输出结果
# {"current_user_url":"https://api.github.com/user","current_user...

当访问 r.text 之时，Requests 会使用其推测的文本编码，咱们可使用 r.encoding 查看其编码，也能够修改编码，如：r.encoding = 'GBK'，当改变了编码，再次访问 r.text 时，Request 都将会使用 r.encoding 的新值。

1）二进制响应内容
好比当咱们要获取一张图片的数据，会以二进制的方式获取响应数据，示例以下：

from PIL import Image
from io import BytesIO
i = Image.open(BytesIO(r.content))

2）JSON响应内容
Requests 中已经内置了 JSON 解码器，所以咱们能够很容易的对 JSON 数据进行解析，示例以下：

import requests
r = requests.get('https://api.github.com')
r.json()

注:成功调用 r.json() 并不必定响应成功，有的服务器会在失败的响应中包含一个 JSON 对象（好比 HTTP 500 的错误细节），这时咱们就须要查看响应的状态码了 r.status_code 或 r.raise_for_status()，成功调用时 r.status_code 为 200，r.raise_for_status() 为 None。

2.4 自定义请求头

当咱们要给请求添加 headers 时，只需给 headers 参数传递一个字典便可，示例以下：

url = 'http://xxx.xxx'
hds= {'user-agent': 'xxx'}
r = requests.get(url, headers=hds)

注：自定义 headers 优先级是低于一些特定的信息的，如：在 .netrc 中设置了用户认证信息，使用 headers 设置的受权就不会生效，而当设置了 auth 参数，.netrc 的设置会无效。全部的 headers 值必须是 string、bytestring 或者 unicode，一般不建议使用 unicode。

2.5 重定向与历史

默认状况下，Requests 会自动处理除了 HEAD 之外的全部重定向，可使用响应对象的 history 属性来追踪重定向，其返回为响应对象列表，这个列表是按照请求由晚到早进行排序的，看一下示例：

import requests
r = requests.get('http://github.com')
print(r.history)
# 输出结果
# [<Response [301]>]

若是使用的是 get、post、put、delete、options、patch 可使用 allow_redirects 参数禁用重定向。示例以下：

r = requests.get('http://xxx.xxx', allow_redirects=False)

2.6 错误与异常

当遇到网络问题（如：DNS 查询失败、拒绝链接等）时，Requests 会抛出 ConnectionError 异常；在 HTTP 请求返回了不成功的状态码时， Response.raise_for_status() 会抛出 HTTPError 异常；请求超时，会抛出 Timeout 异常；请求超过了设定的最大重定向次数，会抛出 TooManyRedirects 异常。全部 Requests 显式抛出的异常都继承自 requests.exceptions.RequestException。

参考：
http://cn.python-requests.org/zh_CN/latest/user/quickstart.html

欢迎关注文末公众号，免费领取海量学习资料！

---