昨天牍疏，我們更多的討論了request的基礎(chǔ)API，讓我們對(duì)它有了基礎(chǔ)的認(rèn)知拨齐。學(xué)會(huì)上一課程鳞陨，我們已經(jīng)能寫點(diǎn)基本的爬蟲了。但是還不夠瞻惋，因?yàn)橄寐耍芏嗾军c(diǎn)是需要登錄的，在站點(diǎn)的各個(gè)請(qǐng)求之間歼狼，是需要保持回話狀態(tài)的掏导，有的站點(diǎn)還需要證書驗(yàn)證，等等這一系列的問題羽峰，我們將在今天這一環(huán)節(jié)趟咆，加以討論。

1.會(huì)話對(duì)象

會(huì)話：session梅屉，就是你點(diǎn)進(jìn)這個(gè)站點(diǎn)后值纱，由瀏覽器與服務(wù)器之間保持的一次連接。這次連接里面坯汤，你跳轉(zhuǎn)頁面虐唠，或發(fā)起其他請(qǐng)求，服務(wù)器要求某些數(shù)據(jù)驗(yàn)證惰聂。服務(wù)器不會(huì)叫你在每次跳轉(zhuǎn)時(shí)候進(jìn)行驗(yàn)證凿滤，而是用已驗(yàn)證的結(jié)果進(jìn)行跳轉(zhuǎn)。這樣就節(jié)省服務(wù)器資源庶近，底層的TCP連接也會(huì)被重用翁脆。

跨請(qǐng)求保持?jǐn)?shù)據(jù)（客戶端存數(shù)據(jù)）：

s = requests.Session()

s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')

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

print(r.text)

回話提供請(qǐng)求默認(rèn)數(shù)據(jù)（數(shù)據(jù)會(huì)被存到服務(wù)端）：

s = requests.Session()

s.auth = ('user', 'pass')

s.headers.update({'x-test': 'true'})

# 'x-test' 和 'x-test2' 一起發(fā)送給url

s.get('http://httpbin.org/headers', headers={'x-test2': 'true'})

注意：即便使用了session，方法級(jí)別的參數(shù)鼻种，仍然不會(huì)再跨請(qǐng)求保持反番。

以下代碼，另個(gè)請(qǐng)求分別有自己的cookies

s = requests.Session()

r = s.get('http://httpbin.org/cookies')

print(r.text)

# '{"cookies": {}}'

r = s.get('http://httpbin.org/cookies', cookies={'from-my': 'browser'})

print(r.text)

# '{"cookies": {"from-my": "browser"}}'

會(huì)話上下文管理器：是指用with 塊限定會(huì)話對(duì)象的使用范圍

with requests.Session() as s:

s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')

2.請(qǐng)求與響應(yīng)對(duì)象

任何時(shí)候叉钥，我們往服務(wù)器發(fā)消息罢缸，都會(huì)返回一個(gè)response的響應(yīng)對(duì)象，同時(shí)投队，還能獲得我們自己創(chuàng)建的request對(duì)象

r = requests.get('http://en.wikipedia.org/wiki/Monty_Python')

print (r.headers)

print (r.request.headers)

在發(fā)送請(qǐng)求之前枫疆，需要對(duì)body獲header做一些額外處理，使用如下方法：

from requests import Request, Session

s = Session()

req = Request('GET', url,

data=data,

headers=header

)

#要想獲取有狀態(tài)的請(qǐng)求敷鸦，使用：

prepped = s.prepare_request(req)

而不是使用：

prepped = req.prepare()

# do something with prepped.body

# do something with prepped.headers

resp = s.send(prepped,

stream=stream,

verify=verify,

proxies=proxies,

cert=cert,

timeout=timeout

)

print(resp.status_code)

3.SSL 證書驗(yàn)證

requests.get('https://requestb.in')

requests.get('https://github.com', verify=True)

requests.get('https://github.com', verify='/path/to/certfile')

# 將驗(yàn)證路徑保持在會(huì)話中

s = requests.Session()

s.verify = '/path/to/certfile'

# 忽略對(duì)SSL的驗(yàn)證

requests.get('https://kennethreitz.org', verify=False)

4.客戶端證書

requests.get('https://kennethreitz.org',cert=('/path/client.cert','/path/client.key'))

#證書在會(huì)話中

s = requests.Session()

s.cert = '/path/client.cert'

注意：本地證書的私有 key 必須是解密狀態(tài)亮蛔。目前，Requests 不支持使用加密的 key恢筝。

這里補(bǔ)充一句：當(dāng)?shù)卿?2306時(shí)喊你要安裝證書痊远。當(dāng)向有證書驗(yàn)證要求的站點(diǎn)，就使用上面的代碼

http://5.CA證書 科普：

Requests 默認(rèn)附帶了一套它信任的根證書，來自于Mozilla trust store。然而它們?cè)诿看?Requests 更新時(shí)才會(huì)更新。這意味著如果你固定使用某一版本的 Requests颇蜡，你的證書有可能已經(jīng) 太舊了。

從 Requests 2.4.0 版之后辆亏，如果系統(tǒng)中裝了certifi包风秤，Requests 會(huì)試圖使用它里邊的 證書。這樣用戶就可以在不修改代碼的情況下更新他們的可信任證書扮叨。

6.響應(yīng)體內(nèi)容工作流

import requests

# 默認(rèn)情況下唁情，發(fā)起請(qǐng)求會(huì)同時(shí)下載響應(yīng)頭和響應(yīng)體（就是響應(yīng)內(nèi)容）

tarball_url = 'https://github.com/kennethreitz/requests/tarball/master'

# 如果將stream=True 則會(huì)推遲響應(yīng)內(nèi)容的下載

r = requests.get(tarball_url, stream=True)

# 這里就是：滿足某種條件才去下載

if int(r.headers['content-length']) < TOO_LONG:

content = r.content

# 在請(qǐng)求中把 stream 設(shè)為 True，Requests 無法將連接釋放回連接池甫匹，

# 除非消耗了所有的數(shù)據(jù)甸鸟，或者調(diào)用了 Response.close。

# 這樣會(huì)帶來連接效率低下的問題兵迅。如果在使用 stream=True 的同時(shí)還在部分讀取請(qǐng)求的 body（或者完全沒有讀取 body）抢韭，

# 那么就應(yīng)該使用 with 語句發(fā)送請(qǐng)求，這樣可以保證請(qǐng)求一定會(huì)被關(guān)閉

with requests.get('http://httpbin.org/get', stream=True) as r:

# 這里處理響應(yīng)

content = r.content

7.保持活動(dòng)狀態(tài)（持久連接）科普

同一會(huì)話內(nèi)的持久連接是完全自動(dòng)處理的恍箭，同一會(huì)話內(nèi)你發(fā)出的任何請(qǐng)求都會(huì)自動(dòng)復(fù)用恰當(dāng)?shù)倪B接刻恭。

注意：只有所有的響應(yīng)體數(shù)據(jù)被讀取完畢連接才會(huì)被釋放回連接池；所以確保將 stream 設(shè)置為 False 或讀取 Response 對(duì)象的 content 屬性扯夭。

8.流式上傳

Requests支持流式上傳鳍贾，這允許發(fā)送大的數(shù)據(jù)流或文件，而無需先把它們讀入內(nèi)存交洗。要使用流式上傳骑科，需，為請(qǐng)求體构拳，提供一個(gè)類文件對(duì)象即可：

with open('massive-body') as f:

requests.post('http://some.url/streamed', data=f)

注意的問題：

最好使用二進(jìn)制模式打開文件咆爽。這是因?yàn)?requests 有默認(rèn)設(shè)置 header 中的 Content-Length，在這種情況下該值會(huì)被設(shè)為文件的字節(jié)數(shù)置森。如果用文本模式打開文件斗埂，就可能碰到錯(cuò)誤

9.塊編碼請(qǐng)求

對(duì)于出去和進(jìn)來的請(qǐng)求，Requests 也支持分塊傳輸編碼凫海。要發(fā)送一個(gè)塊編碼的請(qǐng)求呛凶，僅需為請(qǐng)求體提供一個(gè)生成器（或任意沒有具體長度的迭代器）

def gen():

yield 'hi'

yield 'there'

requests.post('http://some.url/chunked', data=gen())

注意：

對(duì)于分塊的編碼請(qǐng)求，最好使用 Response.iter_content() 對(duì)其數(shù)據(jù)進(jìn)行迭代行贪。在理想情況下漾稀，request 會(huì)設(shè)置 stream=True模闲，這樣就可以通過調(diào)用 iter_content 并將分塊大小參數(shù)設(shè)為 none，從而進(jìn)行分塊的迭代县好。如果要設(shè)置分塊的最大體積，可以把分塊大小參數(shù)設(shè)為任意整數(shù)暖混。

說白了缕贡，就是段點(diǎn)續(xù)傳

妹的，報(bào)了一堆錯(cuò)拣播。先記錄在這晾咪，后面遇到了再研究

10.POST 多個(gè)分塊編碼的文件

上傳圖片

import requests

url = 'http://httpbin.org/post'

multiple_files = [

('images', ('foo.png', open('foo.png', 'rb'), 'image/png')),

('images', ('bar.png', open('bar.png', 'rb'), 'image/png'))]

r = requests.post(url, files=multiple_files)

print (r.text)

11.事件掛鉤

import requests

def print_url(r, *args, **kwargs):

print(r.url)

# Requests有一個(gè)鉤子系統(tǒng)，你可以用來操控部分請(qǐng)求過程贮配，或信號(hào)事件處理谍倦。

# 在產(chǎn)生響應(yīng)之前調(diào)用print_url 就是server響應(yīng)之前的回調(diào)

hooks = dict(response=print_url)

r = requests.get('http://httpbin.org', hooks=dict(response=print_url))

print (r.text)

也沒看有什么用

12.自定義身份驗(yàn)證

import requests

from requests.auth import AuthBase

class PizzaAuth(AuthBase):

def __init__(self, username):

# setup any auth-related data here

self.username = username

def __call__(self, r):

# modify and return the request

r.headers['X-Pizza'] = self.username

return r

#注意：auth參數(shù)必須是一個(gè)可調(diào)用對(duì)象 實(shí)現(xiàn)了 __call__ 方法

requests.get('http://pizzabin.org/admin', auth=PizzaAuth('kenneth'))

作用就是在請(qǐng)求發(fā)出之前，有機(jī)會(huì)修改請(qǐng)求

13.流式請(qǐng)求

import requests

r = requests.get('http://httpbin.org/stream/20', stream=True)

for line in r.iter_lines():

# filter out keep-alive new lines

if line:

decoded_line = line.decode('utf-8')

print(json.loads(decoded_line))

就是將請(qǐng)求參數(shù)設(shè)置stream=True

import requests

r = requests.get('http://httpbin.org/stream/20', stream=True)

#當(dāng)使用 decode_unicode=True 在Response.iter_lines()或Response.iter_content()中#時(shí)泪勒，需要提供一個(gè)編碼方式昼蛀，以防服務(wù)器沒有提供默認(rèn)回退編碼，從而導(dǎo)致錯(cuò)誤

if r.encoding is None:

r.encoding = 'utf-8'#設(shè)置編碼方式

for line in r.iter_lines(decode_unicode=True):

if line:

print(json.loads(line))

#注意：iter_lines不保證重進(jìn)入時(shí)的安全性圆存。多次調(diào)用該方法 會(huì)導(dǎo)致部分收到的數(shù)據(jù)丟失叼旋。#如果要在多處調(diào)用它，就應(yīng)該使用生成的迭代器對(duì)象:

lines = r.iter_lines()

# 保存第一行以供后面使用沦辙，或者直接跳過

first_line = next(lines)

forlineinlines:

print(line)

不曉得各位看懂什么是流式請(qǐng)求沒夫植。指的不是請(qǐng)求是流，而是請(qǐng)求返回的數(shù)據(jù)流油讯。返回一點(diǎn)即取一點(diǎn)详民。而不是普通的是返回完成后在取內(nèi)容

14.代理

import requests

proxies = {

"http": "http://10.10.1.10:3128",

"https": "http://10.10.1.10:1080",

}

requests.get("http://example.org", proxies=proxies)

代理：就是你訪問一個(gè)網(wǎng)站，其實(shí)并不是你直接訪問的陌兑，而是你發(fā)請(qǐng)求給A機(jī)器沈跨，A機(jī)器取請(qǐng)求B機(jī)器。B返回給A兔综，A再返回給你谒出。代理就是中間人的意思。為什么需要代理邻奠？因?yàn)椋悍磁老x網(wǎng)站一般使用IP來識(shí)別一個(gè)機(jī)器笤喳。老是一個(gè)IP再不停訪問網(wǎng)站，該網(wǎng)站就會(huì)把這個(gè)IP拉入黑名單碌宴，不允許訪問杀狡。這時(shí)，就需要很多IP再擾亂反爬蟲工具的思維贰镣，避免封IP呜象。

15.SOCKS

除了基本的 HTTP 代理膳凝，Request 還支持 SOCKS 協(xié)議的代理。這是一個(gè)可選功能恭陡，若要使用蹬音， 你需要安裝第三方庫。

在后面的項(xiàng)目實(shí)戰(zhàn)中休玩，我們將會(huì)使用

16.HTTP動(dòng)詞

GET著淆、OPTIONS、HEAD拴疤、POST永部、PUT、PATCH呐矾、DELETE

GET POST最常用

PUT苔埋，DELETE在調(diào)用rest的接口時(shí)，也會(huì)用到

17.定制動(dòng)詞

有些服務(wù)器不接受GET POST等蜒犯，要求用自定義的组橄，就使用如下方法

r = requests.request('MKCOL',url,data=data)

r.status_code

18.響應(yīng)頭鏈接字段

許多 HTTP API 都有響應(yīng)頭鏈接字段的特性，它們使得 API 能夠更好地自我描述和自我顯露罚随。

比如在使用分頁的情況下最有用

url = 'https://api.github.com/users/kennethreitz/repos?page=1&per_page=10'

r = requests.head(url=url)

print(r.headers['link'])

print(r.links["next"])

19.阻塞和非阻塞

使用默認(rèn)的傳輸適配器晨炕，Requests 不提供任何形式的非阻塞 IO。Response.content屬性會(huì)阻塞毫炉，直到整個(gè)響應(yīng)下載完成瓮栗。如果你需要更多精細(xì)控制，該庫的數(shù)據(jù)流功能（見流式請(qǐng)求） 允許你每次接受少量的一部分響應(yīng)瞄勾，不過這些調(diào)用依然是阻塞式的费奸。

如果你對(duì)于阻塞式 IO 有所顧慮，還有很多項(xiàng)目可以供你使用进陡，它們結(jié)合了 Requests 和 Python 的某個(gè)異步框架愿阐。典型的優(yōu)秀例子是grequests和requests-futures。

20.Header 排序

在某些特殊情況下你也許需要按照次序來提供 header趾疚，如果你向 headers 關(guān)鍵字參數(shù)傳入一個(gè)OrderedDict缨历，就可以向提供一個(gè)帶排序的 header。然而糙麦，Requests 使用的默認(rèn) header 的次序會(huì)被優(yōu)先選擇辛孵，這意味著如果你在 headers 關(guān)鍵字參數(shù)中覆蓋了默認(rèn) header，和關(guān)鍵字參數(shù)中別的 header 相比赡磅，它們也許看上去會(huì)是次序錯(cuò)誤的魄缚。

如果這個(gè)對(duì)你來說是個(gè)問題，那么用戶應(yīng)該考慮在Session對(duì)象上面設(shè)置默認(rèn) header，只要將Session設(shè)為一個(gè)定制的 OrderedDict 即可冶匹。這樣就會(huì)讓它成為優(yōu)選的次序习劫。

以上內(nèi)容，是request的高級(jí)耍法嚼隘，也不算好高級(jí)诽里。接下來的一周，我們將著重討論如何解析網(wǎng)頁飞蛹。當(dāng)然谤狡，這一部分內(nèi)容不會(huì)包含JS生成的HTML。這個(gè)我們將會(huì)在項(xiàng)目實(shí)戰(zhàn)環(huán)節(jié)再討論桩皿。

最近培訓(xùn)新人豌汇，搞得很晚才下班幢炸。精力不夠哇泄隔。若是喜歡我的系列文章，還請(qǐng)帥哥美女點(diǎn)個(gè)贊宛徊，足矣