Python Requests安裝與簡單運用

requests是python的一個HTTP用戶端庫，跟urllib，urllib2類似，那為什麼要用requests而不用urllib2呢？官方文檔中是這樣說明的：

python的標準庫urllib2提供了大部分需要的HTTP功能，但是API太逆天了，一個簡單的功能就需要一大堆代碼。

我也看了下requests的文檔，確實很簡單，適合我這種懶人。下面就是一些簡單指南。

插播個好訊息！剛看到requests有了中文翻譯版，建議英文不好的看看，內容也比我的部落格好多了，具體連結是：http://cn.python-requests.org/en/latest/(不過是v1.1.0版，另抱歉，之前貼錯連結了)。

1. 安裝

安裝很簡單，我是win系統，就在這裡下載了安裝包（網頁中download the zipball處連結），然後$ python setup.py install就裝好了。

當然，有easy_install或pip的朋友可以直接使用：easy_install requests或者pip install requests來安裝。
至於linux使用者，這個頁面還有其他安裝方法。

測試：在IDLE中輸入import requests，如果沒提示錯誤，那說明已經安裝成功了！

2. 小試牛刀

>>>import requests>>> r = requests.get('http://www.zhidaow.com') # 發送請求>>> r.status_code # 返回碼 200>>> r.headers['content-type'] # 返回頭部資訊'text/html; charset=utf8'>>> r.encoding # 編碼資訊'utf-8'>>> r.text #內容部分（PS，由於編碼問題，建議這裡使用r.content）u'\n
是不是很簡單？比urllib2和urllib簡單直觀的多？！那請接著看快速指南吧。
3. 快速指南
3.1 發送請求
發送請求很簡單的，首先要匯入requests模組：
>>>import requests
接下來讓我們擷取一個網頁，例如我個人部落格的首頁：
>>>r = requests.get('http://www.zhidaow.com')
接下來，我們就可以使用這個r的各種方法和函數了。
另外，HTTP請求還有很多類型，比如POST,PUT,DELETE,HEAD,OPTIONS。也都可以用同樣的方式實現：
>>> 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)
因為目前我還沒用到這些，所以沒有深入研究。
3.2 在URLs中傳遞參數
有時候我們需要在URL中傳遞參數，比如在採集百度搜尋結果時，我們wd參數（搜尋字詞）和rn參數（搜素結果數量），你可以手工組成URL，requests也提供了一種看起來很NB的方法：
>>> payload = {'wd': '張亞楠', 'rn': '100'}>>> r = requests.get("http://www.baidu.com/s", params=payload)>>> print r.urlu'http://www.baidu.com/s?rn=100&wd=%E5%BC%A0%E4%BA%9A%E6%A5%A0'
上面wd=的亂碼就是“張亞楠”的轉碼形式。（好像參數按照首字母進行了排序。）
3.3 擷取響應內容
可以通過r.text來擷取網頁的內容。
>>> r = requests.get('https://www.zhidaow.com')>>> r.textu'\n
文檔裡說，requests會自動將內容轉碼。大多數unicode字型都會無縫轉碼。但我在cygwin下使用時老是出現UnicodeEncodeError錯誤，鬱悶。倒是在python的IDLE中完全正常。
另外，還可以通過r.content來擷取頁面內容。
>>> r = requests.get('https://www.zhidaow.com')>>> r.contentb'\n
文檔中說r.content是以位元組的方式去顯示，所以在IDLE中以b開頭。但我在cygwin中用起來並沒有，下載網頁正好。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個功能。）
3.4 擷取網頁編碼
可以使用r.encoding來擷取網頁編碼。
>>> r = requests.get('http://www.zhidaow.com')>>> r.encoding'utf-8'
當你發送請求時，requests會根據HTTP頭部來猜測網頁編碼，當你使用r.text時，requests就會使用這個編碼。當然你還可以修改requests的編碼形式。
>> r = requests.get('http://www.zhidaow.com')>>> r.encoding'utf-8'>>>r.encoding = 'ISO-8859-1'
像上面的例子，對encoding修改後就直接會用修改後的編碼去擷取網頁內容。
3.5 json
像urllib和urllib2，如果用到json，就要引入新模組，如json和simplejson，但在requests中已經有了內建的函數，r.json()。就拿查詢IP的API來說：
>>>r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')>>>r.json()['data']['country']'中國'
3.6 網頁狀態代碼
我們可以用r.status_code來檢查網頁的狀態代碼。
>>>r = requests.get('http://www.mengtiankong.com')>>>r.status_code200>>>r = requests.get('http://www.mengtiankong.com/123123/')>>>r.status_code404>>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN')>>>r.urlu'http://www.zhidaow.com/>>>r.status_code200
前兩個例子很正常，能正常開啟的返回200，不能正常開啟的返回404。但第三個就有點奇怪了，那個是百度搜尋結果中的302跳轉地址，但狀態代碼顯示是200，接下來我用了一招讓他原形畢露：
>>>r.history(,)
這裡能看出他是使用了302跳轉。也許有人認為這樣可以通過判斷和正則來擷取跳轉的狀態代碼了，其實還有個更簡單的方法：
>>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN', allow_redirects = False)>>>r.status_code302
只要加上一個參數allow_redirects，禁止了跳轉，就直接出現跳轉的狀態代碼了，好用吧？我也利用這個在最後一掌做了個簡單的擷取網頁狀態代碼的小應用，原理就是這個。
3.7 回應標頭內容
可以通過r.headers來擷取回應標頭內容。
>>>r = requests.get('http://www.zhidaow.com')>>> r.headers{'content-encoding': 'gzip','transfer-encoding': 'chunked','content-type': 'text/html; charset=utf-8';...}
可以看到是以字典的形式返回了全部內容，我們也可以訪問部分內容。
>>> r.headers['Content-Type']'text/html; charset=utf-8'>>> r.headers.get('content-type')'text/html; charset=utf-8'
3.8 設定逾時時間
我們可以通過timeout屬性設定逾時時間，一旦超過這個時間還沒獲得響應內容，就會提示錯誤。
>>> requests.get('http://github.com', timeout=0.001)Traceback (most recent call last):File "", line 1, in requests.exceptions.Timeout: HTTPConnectionPool(host='github.com', port=80): Request timed out. (timeout=0.001)
3.9 代理訪問
採集時為避免被封IP，經常會使用代理。requests也有相應的proxies屬性。
import requestsproxies = {"http": "http://10.10.1.10:3128","https": "http://10.10.1.10:1080",}requests.get("http://www.zhidaow.com", proxies=proxies)
如果代理需要賬戶和密碼，則需這樣：
proxies = {"http": "http://user:pass@10.10.1.10:3128/",}
3.10 要求標頭內容
要求標頭內容可以用r.request.headers來擷取。
>>> r.request.headers{'Accept-Encoding': 'identity, deflate, compress, gzip','Accept': '*/*', 'User-Agent': 'python-requests/1.2.3 CPython/2.7.3 Windows/XP'}
3.11 自訂要求標頭部
偽裝要求標頭部是採集時經常用的，我們可以用這個方法來隱藏：
r = requests.get('http://www.zhidaow.com')print r.request.headers['User-Agent']#python-requests/1.2.3 CPython/2.7.3 Windows/XPheaders = {'User-Agent': 'alexkh'}r = requests.get('http://www.zhidaow.com', headers = headers)print r.request.headers['User-Agent']#alexkh
3.12 持久串連keep-alive
requests的keep-alive是基於urllib3，同一會話內的持久串連完全是自動的。同一會話內的所有請求都會自動使用恰當的串連。
也就是說，你無需任何設定，requests會自動實現keep-alive。
4. 簡單應用
4.1 擷取網頁返回碼
def get_status(url):r = requests.get(url, allow_redirects = False)return r.status_codeprint get_status('http://www.zhidaow.com') #200print get_status('http://www.zhidaow.com/hi404/')#404print get_status('http://mengtiankong.com')#301print get_status('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN')#302print get_status('http://www.huiya56.com/com8.intre.asp?46981.html')#500
以上是針對Python Requests的安裝與簡單運用的介紹，希望對大家有所協助！
指令碼之家推薦閱讀：
Python Requests 基礎入門
