前言

之前我們用了 urllib 庫，這個(gè)作為入門的工具還是不錯(cuò)的提完，對(duì)了解一些爬蟲的基本理念形纺，掌握爬蟲爬取的流程有所幫助。入門之后徒欣，我們就需要學(xué)習(xí)一些更加高級(jí)的內(nèi)容和工具來方便我們的爬取逐样。那么這一節(jié)來簡(jiǎn)單介紹一下 requests 庫的基本用法。

注：Python 版本依然基于 2.7

官方文檔

以下內(nèi)容大多來自于官方文檔打肝，本文進(jìn)行了一些修改和總結(jié)脂新。要了解更多可以參考
官方文檔

安裝

利用 pip 安裝

$ pip install requests

或者利用 easy_install

$ easy_install requests

通過以上兩種方法均可以完成安裝。
引入
首先我們引入一個(gè)小例子來感受一下

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

以上代碼我們請(qǐng)求了本站點(diǎn)的網(wǎng)址粗梭，然后打印出了返回結(jié)果的類型争便，狀態(tài)碼，編碼方式断医，Cookies等內(nèi)容滞乙。
運(yùn)行結(jié)果如下:

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

requests庫提供了http所有的基本請(qǐng)求方式奏纪。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，一句話搞定酷宵。

基本GET請(qǐng)求

最基本的GET請(qǐng)求可以直接用get方法

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

如果想要加參數(shù)亥贸，可以利用 params 參數(shù)

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

運(yùn)行結(jié)果

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

如果想請(qǐng)求JSON文件，可以利用 json() 方法解析

例如自己寫一個(gè)JSON文件命名為a.json浇垦，內(nèi)容如下

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

利用如下程序請(qǐng)求并解析

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

運(yùn)行結(jié)果如下，其中一個(gè)是直接輸出內(nèi)容荣挨，另外一個(gè)方法是利用 json() 方法解析男韧，感受下它們的不同

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

如果想獲取來自服務(wù)器的原始套接字響應(yīng)，可以取得 r.raw 默垄。 不過需要在初始請(qǐng)求中設(shè)置 stream=True 此虑。

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'

這樣就獲取了網(wǎng)頁原始套接字內(nèi)容。

如果想添加 headers口锭，可以傳 headers 參數(shù)

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

通過headers參數(shù)可以增加請(qǐng)求頭中的headers信息
基本POST請(qǐng)求
對(duì)于 POST 請(qǐng)求來說朦前，我們一般需要為它增加一些參數(shù)。那么最基本的傳參方法可以利用 data 這個(gè)參數(shù)鹃操。

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

運(yùn)行結(jié)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"
}

可以看到參數(shù)傳成功了韭寸，然后服務(wù)器返回了我們傳的數(shù)據(jù)。
有時(shí)候我們需要傳送的信息不是表單形式的荆隘，需要我們傳JSON格式的數(shù)據(jù)過去恩伺，所以我們可以用 json.dumps() 方法把表單數(shù)據(jù)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

運(yùn)行結(jié)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"
}

通過上述方法椰拒，我們可以POST JSON格式的數(shù)據(jù)
如果想要上傳文件晶渠，那么直接用 file 參數(shù)即可
新建一個(gè) a.txt 的文件，內(nèi)容寫上 Hello World!

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

可以看到運(yùn)行結(jié)果如下

{
  "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"
}

這樣我們便成功完成了一個(gè)文件的上傳燃观。
requests 是支持流式上傳的褒脯，這允許你發(fā)送大的數(shù)據(jù)流或文件而無需先把它們讀入內(nèi)存。要使用流式上傳缆毁，僅需為你的請(qǐng)求體提供一個(gè)類文件對(duì)象即可

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

這是一個(gè)非常實(shí)用方便的功能番川。
Cookies
如果一個(gè)響應(yīng)中包含了cookie，那么我們可以利用 cookies 變量來拿到

import requests
url = 'http://example.com'
r = requests.get(url)
print r.cookies
print r.cookies['example_cookie_name']

以上程序僅是樣例积锅，可以用 cookies 變量來得到站點(diǎn)的 cookies
另外可以利用 cookies 變量來向服務(wù)器發(fā)送 cookies 信息

import requests
url = 'http://httpbin.org/cookies'
cookies = dict(cookies_are='working')
r = requests.get(url, cookies=cookies)
print r.text

運(yùn)行結(jié)果

'{"cookies": {"cookies_are": "working"}}'

可以已經(jīng)成功向服務(wù)器發(fā)送了 cookies
超時(shí)配置
可以利用 timeout 變量來配置最大請(qǐng)求時(shí)間

requests.get('http://github.com', timeout=0.001)

注：timeout 僅對(duì)連接過程有效爽彤，與響應(yīng)體的下載無關(guān)。
也就是說缚陷，這個(gè)時(shí)間只限制請(qǐng)求的時(shí)間适篙。即使返回的 response 包含很大內(nèi)容，下載需要一定時(shí)間箫爷，然而這并沒有什么卵用嚷节。
會(huì)話對(duì)象
在以上的請(qǐng)求中聂儒，每次請(qǐng)求其實(shí)都相當(dāng)于發(fā)起了一個(gè)新的請(qǐng)求。也就是相當(dāng)于我們每個(gè)請(qǐng)求都用了不同的瀏覽器單獨(dú)打開的效果硫痰。也就是它并不是指的一個(gè)會(huì)話衩婚，即使請(qǐng)求的是同一個(gè)網(wǎng)址。比如

import requests
requests.get('http://httpbin.org/cookies/set/sessioncookie/123456789')
r = requests.get("http://httpbin.org/cookies")
print(r.text)

結(jié)果是

{
  "cookies": {}
}

很明顯效斑，這不在一個(gè)會(huì)話中非春，無法獲取 cookies，那么在一些站點(diǎn)中缓屠，我們需要保持一個(gè)持久的會(huì)話怎么辦呢奇昙？就像用一個(gè)瀏覽器逛淘寶一樣，在不同的選項(xiàng)卡之間跳轉(zhuǎn)敌完，這樣其實(shí)就是建立了一個(gè)長(zhǎng)久會(huì)話储耐。
解決方案如下

import requests
 
s = requests.Session()
s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')
r = s.get("http://httpbin.org/cookies")
print(r.text)

在這里我們請(qǐng)求了兩次，一次是設(shè)置 cookies滨溉，一次是獲得 cookies
運(yùn)行結(jié)果

{
  "cookies": {
    "sessioncookie": "123456789"
  }
}

發(fā)現(xiàn)可以成功獲取到 cookies 了什湘，這就是建立一個(gè)會(huì)話到作用。體會(huì)一下晦攒。
那么既然會(huì)話是一個(gè)全局的變量闽撤，那么我們肯定可以用來全局的配置了。

import requests
s = requests.Session()
s.headers.update({'x-test': 'true'})
r = s.get('http://httpbin.org/headers', headers={'x-test2': 'true'})
print r.text

通過 s.headers.update 方法設(shè)置了 headers 的變量勤家。然后我們又在請(qǐng)求中設(shè)置了一個(gè) headers腹尖，那么會(huì)出現(xiàn)什么結(jié)果？
很簡(jiǎn)單伐脖，兩個(gè)變量都傳送過去了热幔。
運(yùn)行結(jié)果

{
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.9.1", 
    "X-Test": "true", 
    "X-Test2": "true"
  }
}

如果get方法傳的headers 同樣也是 x-test 呢？

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

嗯讼庇，它會(huì)覆蓋掉全局的配置

{
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.9.1", 
    "X-Test": "true"
  }
}

那如果不想要全局配置中的一個(gè)變量了呢绎巨？很簡(jiǎn)單，設(shè)置為 None 即可

r = s.get('http://httpbin.org/headers', headers={'x-test': None})

運(yùn)行結(jié)果

{
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Host": "httpbin.org", 
    "User-Agent": "python-requests/2.9.1"
  }
}

嗯蠕啄，以上就是 session 會(huì)話的基本用法
SSL證書驗(yàn)證
現(xiàn)在隨處可見 https 開頭的網(wǎng)站场勤，Requests可以為HTTPS請(qǐng)求驗(yàn)證SSL證書，就像web瀏覽器一樣歼跟。要想檢查某個(gè)主機(jī)的SSL證書和媳，你可以使用 verify 參數(shù)
現(xiàn)在 12306 證書不是無效的嘛，來測(cè)試一下

import requests
r = requests.get('https://kyfw.12306.cn/otn/', verify=True)
print r.text

結(jié)果

requests.exceptions.SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:590)

果真如此
來試下 github 的

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

嗯哈街，正常請(qǐng)求留瞳，內(nèi)容我就不輸出了。
如果我們想跳過剛才 12306 的證書驗(yàn)證骚秦，把 verify 設(shè)置為 False 即可

import requests
r = requests.get('https://kyfw.12306.cn/otn/', verify=False)
print r.text

發(fā)現(xiàn)就可以正常請(qǐng)求了她倘。在默認(rèn)情況下 verify 是 True璧微，所以如果需要的話，需要手動(dòng)設(shè)置下這個(gè)變量硬梁。
代理
如果需要使用代理前硫，你可以通過為任意請(qǐng)求方法提供 proxies 參數(shù)來配置單個(gè)請(qǐng)求

import requests
proxies = {
  "https": "http://41.118.132.69:4433"
}
r = requests.post("http://httpbin.org/post", proxies=proxies)
print r.text

也可以通過環(huán)境變量 HTTP_PROXY 和 HTTPS_PROXY 來配置代理

export HTTP_PROXY="http://10.10.1.10:3128"
export HTTPS_PROXY="http://10.10.1.10:1080"

通過以上方式，可以方便地設(shè)置代理荧止。
API
以上講解了 requests 中最常用的參數(shù)屹电，如果需要用到更多，請(qǐng)參考官方文檔 API
API
結(jié)語
以上總結(jié)了一下 requests 的基本用法罩息，如果你對(duì)爬蟲有了一定的基礎(chǔ)嗤详，那么肯定可以很快上手，在此就不多贅述了瓷炮。
練習(xí)才是王道，大家盡快投注于實(shí)踐中吧递宅。