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