爬蟲神器Requests: 讓 HTTP 服務人類
Requests 唯一的一個非轉基因的 Python HTTP 庫，人類可以安全享用。
警告：非專業使用其他 HTTP 庫會導致危險的副作用，包括：安全缺陷癥、冗余代碼癥、重新發明輪子癥、啃文檔癥、抑郁、頭疼、甚至死亡。
loook，這就是 Requests 的威力：
>>> r = requests.get('https://api.github.com/user', auth=('user', 'pass'))
>>> r.status_code
200
>>> r.headers['content-type']
'application/json; charset=utf8'
>>> r.encoding
'utf-8'
>>> r.text
u'{"type":"User"...'
>>> r.json()
{u'private_gists': 419, u'total_private_repos': 77, ...}
Requests 允許你發送純天然，植物飼養的 HTTP/1.1 請求，無需手工勞動。你不需要手動為 URL 添加查詢字串，也不需要對 POST 數據進行表單編碼。Keep-alive 和 HTTP 連接池的功能是 100% 自動化的，一切動力都來自于根植在 Requests 內部的?urllib3。
用戶見證
Twitter、Spotify、Microsoft、Amazon、Lyft、BuzzFeed、Reddit、NSA、女王殿下的政府、Amazon、Google、Twilio、Mozilla、Heroku、PayPal、NPR、Obama for America、Transifex、Native Instruments、Washington Post、Twitter、SoundCloud、Kippt、Readability、以及若干不愿公開身份的聯邦政府機構都在內部使用。
功能特性
Requests 完全滿足今日 web 的需求。
Keep-Alive & 連接池
國際化域名和 URL
帶持久 Cookie 的會話
瀏覽器式的 SSL 認證
自動內容解碼
基本/摘要式的身份認證
優雅的 key/value Cookie
自動解壓
Unicode 響應體
HTTP(S) 代理支持
文件分塊上傳
流下載
連接超時
分塊請求
支持?.netrc
Requests 支持 Python 2.6—2.7以及3.3—3.7，而且能在 PyPy 下完美運行。
用戶指南
安裝 Requests
這部分文檔包含了 Requests 的安裝過程，使用任何軟件的第一步就是正確地安裝它。
pip install requests
要安裝 Requests，只要在你的終端中運行這個簡單命令即可：
$ pip install requests
如果你沒有安裝 pip （嘖嘖），這個?Python installation guide?可以帶你完成這一流程。
獲得源碼
Requests 一直在 Github 上積極地開發，你可以一直從這里獲取到代碼。
你可以克隆公共版本庫：
git clone git://github.com/kennethreitz/requests.git
也可以下載?tarball:
$ curl -OL https://github.com/requests/requests/tarball/master
# Windows 用戶也可選擇 zip 包
獲得代碼之后，你就可以輕松的將它嵌入到你的 python 包里，或者安裝到你的 site-packages:
$ cd requests
$ pip install .
發送請求
使用 Requests 發送網絡請求非常簡單。
一開始要導入 Requests 模塊：
>>> import requests
然后，嘗試獲取某個網頁。本例子中，我們來獲取 Github 的公共時間線：
>>> r = requests.get('https://api.github.com/events')
現在，我們有一個名為?r?的?Response?對象。我們可以從這個對象中獲取所有我們想要的信息。
Requests 簡便的 API 意味著所有 HTTP 請求類型都是顯而易見的。例如，你可以這樣發送一個 HTTP POST 請求：
>>> r = requests.post('http://httpbin.org/post', data = {'key':'value'})
漂亮，對吧？那么其他 HTTP 請求類型：PUT，DELETE，HEAD 以及 OPTIONS 又是如何的呢？都是一樣的簡單：
>>> r = requests.put('http://httpbin.org/put', data = {'key':'value'})
>>> r = requests.delete('http://httpbin.org/delete')
>>> r = requests.head('http://httpbin.org/get')
>>> r = requests.options('http://httpbin.org/get')
都很不錯吧，但這也僅是 Requests 的冰山一角呢。
傳遞 URL 參數
你也許經常想為 URL 的查詢字符串(query string)傳遞某種數據。如果你是手工構建 URL，那么數據會以鍵/值對的形式置于 URL 中，跟在一個問號的后面。例如，?httpbin.org/get?key=val。 Requests 允許你使用?params?關鍵字參數，以一個字符串字典來提供這些參數。舉例來說，如果你想傳遞?key1=value1?和?key2=value2?到?httpbin.org/get?，那么你可以使用如下代碼：
>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.get("http://httpbin.org/get", params=payload)
通過打印輸出該 URL，你能看到 URL 已被正確編碼：
>>> print(r.url)
http://httpbin.org/get?key2=value2&key1=value1
注意字典里值為?None?的鍵都不會被添加到 URL 的查詢字符串里。
你還可以將一個列表作為值傳入：
>>> payload = {'key1': 'value1', 'key2': ['value2', 'value3']}
>>> r = requests.get('http://httpbin.org/get', params=payload)
>>> print(r.url)
http://httpbin.org/get?key1=value1&key2=value2&key2=value3
響應內容
我們能讀取服務器響應的內容。再次以 GitHub 時間線為例：
>>> import requests
>>> r = requests.get('https://api.github.com/events')
>>> r.text
u'[{"repository":{"open_issues":0,"url":"https://github.com/...
Requests 會自動解碼來自服務器的內容。大多數 unicode 字符集都能被無縫地解碼。
請求發出后，Requests 會基于 HTTP 頭部對響應的編碼作出有根據的推測。當你訪問?r.text?之時，Requests 會使用其推測的文本編碼。你可以找出 Requests 使用了什么編碼，并且能夠使用?r.encoding?屬性來改變它：
>>> r.encoding
'utf-8'
>>> r.encoding = 'ISO-8859-1'
如果你改變了編碼，每當你訪問?r.text?，Request 都將會使用?r.encoding?的新值。你可能希望在使用特殊邏輯計算出文本的編碼的情況下來修改編碼。比如 HTTP 和 XML 自身可以指定編碼。這樣的話，你應該使用?r.content?來找到編碼，然后設置?r.encoding?為相應的編碼。這樣就能使用正確的編碼解析?r.text?了。
在你需要的情況下，Requests 也可以使用定制的編碼。如果你創建了自己的編碼，并使用?codecs?模塊進行注冊，你就可以輕松地使用這個解碼器名稱作為?r.encoding?的值， 然后由 Requests 來為你處理編碼。
二進制響應內容
你也能以字節的方式訪問請求響應體，對于非文本請求：
>>> r.content
b'[{"repository":{"open_issues":0,"url":"https://github.com/...
Requests 會自動為你解碼?gzip?和?deflate?傳輸編碼的響應數據。
例如，以請求返回的二進制數據創建一張圖片，你可以使用如下代碼：
>>> from PIL import Image
>>> from io import BytesIO
>>> i = Image.open(BytesIO(r.content))
JSON 響應內容
Requests 中也有一個內置的 JSON 解碼器，助你處理 JSON 數據：
>>> import requests
>>> r = requests.get('https://api.github.com/events')
>>> r.json()
[{u'repository': {u'open_issues': 0, u'url': 'https://github.com/...
如果 JSON 解碼失敗，?r.json()?就會拋出一個異常。例如，響應內容是 401 (Unauthorized)，嘗試訪問?r.json()?將會拋出?ValueError:?No?JSON?object?could?be?decoded?異常。
需要注意的是，成功調用?r.json()?并**不**意味著響應的成功。有的服務器會在失敗的響應中包含一個 JSON 對象（比如 HTTP 500 的錯誤細節）。這種 JSON 會被解碼返回。要檢查請求是否成功，請使用?r.raise_for_status()?或者檢查?r.status_code?是否和你的期望相同。
原始響應內容
在罕見的情況下，你可能想獲取來自服務器的原始套接字響應，那么你可以訪問?r.raw。 如果你確實想這么干，那請你確保在初始請求中設置了?stream=True。具體你可以這么做：
>>> r = requests.get('https://api.github.com/events', stream=True)
>>> r.raw
>>> r.raw.read(10)
'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03'
但一般情況下，你應該以下面的模式將文本流保存到文件：
with open(filename, 'wb') as fd:
for chunk in r.iter_content(chunk_size):
fd.write(chunk)
使用?Response.iter_content?將會處理大量你直接使用?Response.raw?不得不處理的。 當流下載時，上面是優先推薦的獲取內容方式。 Note that?chunk_size?can be freely adjusted to a number that may better fit your use cases.
定制請求頭
如果你想為請求添加 HTTP 頭部，只要簡單地傳遞一個?dict?給?headers?參數就可以了。
例如，在前一個示例中我們沒有指定 content-type:
>>> url = 'https://api.github.com/some/endpoint'
>>> headers = {'user-agent': 'my-app/0.0.1'}
>>> r = requests.get(url, headers=headers)
注意: 定制 header 的優先級低于某些特定的信息源，例如：
如果在?.netrc?中設置了用戶認證信息，使用?headers=?設置的授權就不會生效。而如果設置了?auth=?參數，``.netrc`` 的設置就無效了。
如果被重定向到別的主機，授權 header 就會被刪除。
代理授權 header 會被 URL 中提供的代理身份覆蓋掉。
在我們能判斷內容長度的情況下，header 的 Content-Length 會被改寫。
更進一步講，Requests 不會基于定制 header 的具體情況改變自己的行為。只不過在最后的請求中，所有的 header 信息都會被傳遞進去。
注意: 所有的 header 值必須是?string、bytestring 或者 unicode。盡管傳遞 unicode header 也是允許的，但不建議這樣做。
更加復雜的 POST 請求
通常，你想要發送一些編碼為表單形式的數據——非常像一個 HTML 表單。要實現這個，只需簡單地傳遞一個字典給?data?參數。你的數據字典在發出請求時會自動編碼為表單形式：
>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.post("http://httpbin.org/post", data=payload)
>>> print(r.text)
{
...
"form": {
"key2": "value2",
"key1": "value1"
},
...
}
你還可以為?data?參數傳入一個元組列表。在表單中多個元素使用同一 key 的時候，這種方式尤其有效：
>>> payload = (('key1', 'value1'), ('key1', 'value2'))
>>> r = requests.post('http://httpbin.org/post', data=payload)
>>> print(r.text)
{
...
"form": {
"key1": [
"value1",
"value2"
]
},
...
}
很多時候你想要發送的數據并非編碼為表單形式的。如果你傳遞一個?string?而不是一個?dict，那么數據會被直接發布出去。
例如，Github API v3 接受編碼為 JSON 的 POST/PATCH 數據：
>>> import json
>>> url = 'https://api.github.com/some/endpoint'
>>> payload = {'some': 'data'}
>>> r = requests.post(url, data=json.dumps(payload))
此處除了可以自行對?dict?進行編碼，你還可以使用?json?參數直接傳遞，然后它就會被自動編碼。這是 2.4.2 版的新加功能：
>>> url = 'https://api.github.com/some/endpoint'
>>> payload = {'some': 'data'}
>>> r = requests.post(url, json=payload)
POST一個多部分編碼(Multipart-Encoded)的文件
Requests 使得上傳多部分編碼文件變得很簡單：
>>> url = 'http://httpbin.org/post'
>>> files = {'file': open('report.xls', 'rb')}
>>> r = requests.post(url, files=files)
>>> r.text
{
...
"files": {
"file": "
},
...
}
你可以顯式地設置文件名，文件類型和請求頭：
>>> url = 'http://httpbin.org/post'
>>> files = {'file': ('report.xls', open('report.xls', 'rb'), 'application/vnd.ms-excel', {'Expires': '0'})}
>>> r = requests.post(url, files=files)
>>> r.text
{
...
"files": {
"file": "
},
...
}
如果你想，你也可以發送作為文件來接收的字符串：
>>> url = 'http://httpbin.org/post'
>>> files = {'file': ('report.csv', 'some,data,to,send\nanother,row,to,send\n')}
>>> r = requests.post(url, files=files)
>>> r.text
{
...
"files": {
"file": "some,data,to,send\\nanother,row,to,send\\n"
},
...
}
如果你發送一個非常大的文件作為?multipart/form-data?請求，你可能希望將請求做成數據流。默認下?requests?不支持, 但有個第三方包?requests-toolbelt?是支持的。你可以閱讀?toolbelt 文檔?來了解使用方法。
在一個請求中發送多文件參考?高級用法?一節。
警告
我們強烈建議你用二進制模式(binary mode)打開文件。這是因為 Requests 可能會試圖為你提供?Content-Length?header，在它這樣做的時候，這個值會被設為文件的字節數（bytes）。如果用文本模式(text mode)打開文件，就可能會發生錯誤。
響應狀態碼
我們可以檢測響應狀態碼：
>>> r = requests.get('http://httpbin.org/get')
>>> r.status_code
200
為方便引用，Requests還附帶了一個內置的狀態碼查詢對象：
>>> r.status_code == requests.codes.ok
True
如果發送了一個錯誤請求(一個 4XX 客戶端錯誤，或者 5XX 服務器錯誤響應)，我們可以通過?Response.raise_for_status()?來拋出異常：
>>> bad_r = requests.get('http://httpbin.org/status/404')
>>> bad_r.status_code
404
>>> bad_r.raise_for_status()
Traceback (most recent call last):
File "requests/models.py", line 832, in raise_for_status
raise http_error
requests.exceptions.HTTPError: 404 Client Error
但是，由于我們的例子中?r?的?status_code?是?200?，當我們調用?raise_for_status()?時，得到的是：
>>> r.raise_for_status()
None
一切都挺和諧哈。
響應頭
我們可以查看以一個 Python 字典形式展示的服務器響應頭：
>>> r.headers
{
'content-encoding': 'gzip',
'transfer-encoding': 'chunked',
'Connection': 'close',
'server': 'nginx/1.0.4',
'x-runtime': '148ms',
'etag': '"e1ca502697e5c9317743dc078f67693f"',
'content-type': 'application/json'
}
但是這個字典比較特殊：它是僅為 HTTP 頭部而生的。根據?RFC 2616， HTTP 頭部是大小寫不敏感的。
因此，我們可以使用任意大寫形式來訪問這些響應頭字段：
>>> r.headers['Content-Type']
'application/json'
>>> r.headers.get('content-type')
'application/json'
它還有一個特殊點，那就是服務器可以多次接受同一 header，每次都使用不同的值。但 Requests 會將它們合并，這樣它們就可以用一個映射來表示出來，參見?RFC 7230:
A recipient MAY combine multiple header fields with the same field name into one "field-name: field-value" pair, without changing the semantics of the message, by appending each subsequent field value to the combined field value in order, separated by a comma.
接收者可以合并多個相同名稱的 header 欄位，把它們合為一個 "field-name: field-value" 配對，將每個后續的欄位值依次追加到合并的欄位值中，用逗號隔開即可，這樣做不會改變信息的語義。
Cookie
如果某個響應中包含一些 cookie，你可以快速訪問它們：
>>> url = 'http://example.com/some/cookie/setting/url'
>>> r = requests.get(url)
>>> r.cookies['example_cookie_name']
'example_cookie_value'
要想發送你的cookies到服務器，可以使用?cookies?參數：
>>> url = 'http://httpbin.org/cookies'
>>> cookies = dict(cookies_are='working')
>>> r = requests.get(url, cookies=cookies)
>>> r.text
'{"cookies": {"cookies_are": "working"}}'
Cookie 的返回對象為?RequestsCookieJar，它的行為和字典類似，但接口更為完整，適合跨域名跨路徑使用。你還可以把 Cookie Jar 傳到 Requests 中：
>>> jar = requests.cookies.RequestsCookieJar()
>>> jar.set('tasty_cookie', 'yum', domain='httpbin.org', path='/cookies')
>>> jar.set('gross_cookie', 'blech', domain='httpbin.org', path='/elsewhere')
>>> url = 'http://httpbin.org/cookies'
>>> r = requests.get(url, cookies=jar)
>>> r.text
'{"cookies": {"tasty_cookie": "yum"}}'
重定向與請求歷史
默認情況下，除了 HEAD, Requests 會自動處理所有重定向。
可以使用響應對象的?history?方法來追蹤重定向。
Response.history?是一個?Response?對象的列表，為了完成請求而創建了這些對象。這個對象列表按照從最老到最近的請求進行排序。
例如，Github 將所有的 HTTP 請求重定向到 HTTPS：
>>> r = requests.get('http://github.com')
>>> r.url
'https://github.com/'
>>> r.status_code
200
>>> r.history
[
如果你使用的是GET、OPTIONS、POST、PUT、PATCH 或者 DELETE，那么你可以通過?allow_redirects?參數禁用重定向處理：
>>> r = requests.get('http://github.com', allow_redirects=False)
>>> r.status_code
301
>>> r.history
[]
如果你使用了 HEAD，你也可以啟用重定向：
>>> r = requests.head('http://github.com', allow_redirects=True)
>>> r.url
'https://github.com/'
>>> r.history
[
超時
你可以告訴 requests 在經過以?timeout?參數設定的秒數時間之后停止等待響應。基本上所有的生產代碼都應該使用這一參數。如果不使用，你的程序可能會永遠失去響應：
>>> requests.get('http://github.com', timeout=0.001)
Traceback (most recent call last):
File "
requests.exceptions.Timeout: HTTPConnectionPool(host='github.com', port=80): Request timed out. (timeout=0.001)
注意
timeout?僅對連接過程有效，與響應體的下載無關。?timeout?并不是整個下載響應的時間限制，而是如果服務器在?timeout?秒內沒有應答，將會引發一個異常（更精確地說，是在?timeout?秒內沒有從基礎套接字上接收到任何字節的數據時）If no timeout is specified explicitly, requests do not time out.
錯誤與異常
遇到網絡問題（如：DNS 查詢失敗、拒絕連接等）時，Requests 會拋出一個?ConnectionError?異常。
如果 HTTP 請求返回了不成功的狀態碼，?Response.raise_for_status()?會拋出一個?HTTPError?異常。
若請求超時，則拋出一個?Timeout?異常。
若請求超過了設定的最大重定向次數，則會拋出一個?TooManyRedirects?異常。
所有Requests顯式拋出的異常都繼承自?requests.exceptions.RequestException?。
HTTP Python
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。
相關文章
