python requests模块详解
requests是python的一个HTTP客户端库，跟urllib，urllib2类似，那为什么要用requests而不用urllib2呢？官方文档中是这样说明的：
python的标准库urllib2提供了大部分需要的HTTP功能，但是API太逆天了，一个简单的功能就需要一大堆代码。
我也看了下requests的文档，确实很简单，适合我这种懒人。下面就是一些简单指南。
插播个好消息！刚看到requests有了中文翻译版，建议英文不好的看看，内容也比我的博客好多了，具体链接是：http://cn.python-requests.org/en/latest/(不过是v1.1.0版，另抱歉，之前贴错链接了)。
1. 安装
安装很简单，我是win系统，就在这里下载了安装包（网页中download the zipball处链接），然后$ python setup.py install就装好了。
当然，有easy_install或pip的朋友可以直接使用：easy_install requests或者pip install requests来安装。
至于linux用户，这个页面还有其他安装方法。
注：
如果是linux系统， python -m pip install requests 或者 python setup.py install就可以安装了
测试：在IDLE中输入import requests，如果没提示错误，那说明已经安装成功了！
2. 小试牛刀
import requests
r= requests.get('https://www.baidu.com/s')
print(r.status_code)
print(r.headers['content-type'])
print(r.encoding)
print(r.text) |
| 是不是很简单？比urllib2和urllib简单直观的多？！那请接着看快速指南吧。 |
3. 快速指南
3.1 发送请求
发送请求很简单的，首先要导入requests模块：
>>>import requests
接下来让我们获取一个网页，例如我个人博客的首页：
>>>r = requests.get('http://www.sharejs.com')
接下来，我们就可以使用这个r的各种方法和函数了。
另外，HTTP请求还有很多类型，比如POST,PUT,DELETE,HEAD,OPTIONS。也都可以用同样的方式
因为目前我还没用到这些，所以没有深入研究。
>>> 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")
3.2 在URLs中传递参数
有时候我们需要在URL中传递参数，比如在采集百度搜索结果时，我们wd参数（搜索词）和rn参数（搜素结果数量），
你可以手工组成URL，requests也提供了一种看起来很NB的方法：
import requests
r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')
print(r.json()['data']['country'])
u'http://www.baidu.com/s?rn=100&wd=%E5%BC%A0%E4%BA%9A%E6%A5%A0'
上面wd=的乱码就是“张亚楠”的转码形式。（好像参数按照首字母进行了排序。）
3.3 获取响应内容
可以通过r.text来获取网页的内容。
print(r.url) 用r.content 或者r.print 来替换urllib2.urlopen(url)read()
>>> |
文档里说，requests会自动将内容转码。大多数unicode字体都会无缝转码。但我在cygwin下使用时 老是出现UnicodeEncodeError错误，郁闷。倒是在python的IDLE中完全正常。 |
另外，还可以通过r.content来获取页面内容。
import requests
r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')
print(r.content)
>>> r.content |
文档中说r.content是以字节的方式去显示，所以在IDLE中以b开头。但我在cygwin中用起来并没有， 下载网页正好。所以就替代了urllib2的urllib2.urlopen(url).read()功能。（基本上是我用的最多的一 个功能。） |
3.4 获取网页编码
可以使用r.encoding来获取网页编码。
import requests
r = requests.get('
print(r.status_code)
>>> r.encoding |
当你发送请求时，requests会根据HTTP头部来猜测网页编码，当你使用r.text时，requests就会使用这个编码。当然你
还可以修改requests的编码形式。
像上面的例子，对encoding修改后就直接会用修改后的编码去获取网页内容。
3.5 json
像urllib和urllib2，如果用到json，就要引入新模块，如json和simplejson，但在requests中已经有了内置的函数，r.json()。就拿查询IP的API来说：
>>> |
r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')
print(r.json()['data']['country'])
3.6 网页状态码
>> |
我们可以用r.status_code来检查网页的状态码。
>>>r.status_code |
import requests
def get_status(url):
r = requests.get(url, allow_redirects=False)
return r.status_code
print(get_status('http://www.zhidaow.com'))
# 200
print(get_status('http://www.zhidaow.com/hi404/'))
# 404
print(get_status('http://mengtiankong.com'))
# 301
print(get_status('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN'))
# 302
print(get_status('http://www.huiya56.com/com8.intre.asp?46981.html'))
# 500
这里能看出他是使用了302跳转。也许有人认为这样可以通过判断和正则来获取跳转的状态码了，其实 还有个更简单的方法： |
前两个例子很正常，能正常打开的返回200，不能正常打开的返回404。但第三个就有点奇怪了，那个 是百度搜索结果中的302跳转地址，但状态码显示是200，接下来我用了一招让他原形毕露： |
只要加上一个参数allow_redirects，禁止了跳转，就直接出现跳转的状态码了，好用吧？我也利用这个在最后一掌做了
个简单的获取网页状态码的小应用，原理就是这个。
>>> r.headers |
3.7 响应头内容
可以通过r.headers来获取响应头内容。
{ |
import requests
# r = requests.get('http://www.zhidaow.com')
#
# print(r.request.headers)
#自定义请求头部
r = requests.get('http://www.baidu.com')
print(r.request.headers['User-Agent'])
# print(r.request.headers)
# python-requests/1.2.3 CPython/2.7.3 Windows/XP
headers = {'User-Agent': 'alexkh'}
r = requests.get('http://www.zhidaow.com', headers=headers)
print(r.request.headers['User-Agent'])
. |
| 可以看到是以字典的形式返回了全部内容，我们也可以访问部分内容。 |
) |
| 3.8 设置超时时间 |
我们可以通过timeout属性设置超时时间，一旦超过这个时间还没获得响应内容，就会提示错误。
Traceback (most recent call last): |
| 3.9 代理访问 |
采集时为避免被封IP，经常会使用代理。requests也有相应的proxies属性。
import requests
proxies = {
"http" : "http://10.6.0.1:80",
"https" : "http://10.6.0.100:80"
}
r = requests.get("http://www.zhidaow.com", proxies=proxies)
print(r.headers)
3.10 请求头内容 |
| 如果代理需要账户和密码，则需这样： |
proxies = {
"http": "http://user:pass@10.10.1.10:3128/",
}
请求头内容可以用r.request.headers来获取。 r = requests.get('http://www.baidu.com')
print(r.request.headers['User-Agent'])
# print(r.request.headers)
# python-requests/1.2.3 CPython/2.7.3 Windows/XP
headers = {'User-Agent': 'alexkh'}
r = requests.get('http://www.zhidaow.com', headers=headers)
print(r.request.headers['User-Agent']) |
{3.11 自定义请求头部 |
伪装请求头部是采集时经常用的，我们可以用这个方法来隐藏：
header} |
| 3.12 持久连接keep-alive |
requests的keep-alive是基于urllib3，同一会话内的持久连接完全是自动的。同一会话内的所有请求都会自动使用恰当的连接。
也就是说，你无需任何设置，requests会自动实现keep-alive。
4. 简单应用
4.1 获取网页返回码
import requests
def get_status(url):
r = requests.get(url, allow_redirects=False)
return r.status_code
print(get_status('http://www.zhidaow.com'))
# 200
print(get_status('http://www.zhidaow.com/hi404/'))
# 404
print(get_status('http://mengtiankong.com'))
# 301
print(get_status('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN'))
# 302
print(get_status('http://www.huiya56.com/com8.intre.asp?46981.html'))
# 500
| 后记 |
requests的具体安装过程请看：http://docs.python-requests.org/en/latest/user/install.html#install
requests的官方指南文档：http://docs.python-requests.org/en/latest/user/quickstart.html
requests的高级指南文档：http://docs.python-requests.org/en/latest/user/advanced.html#advanced
2、本文内容部分翻译自官方文档，部分自己归纳。
3、大多数用的IDLE格式，累死了，下次直接用编辑器格式，这样更符合我的习惯。
4、还是那句话，有问题留言或email。
