Python入门必学2个重点及精髓-Requests库~正则基本使用（上）

清疚 2022-01-17 19:51 63阅读 0赞

作为一种便捷地收集网上信息并从中抽取出可用信息的方式，网络爬虫技术变得越来越有用。使用Python这样的简单编程语言，你可以使用少量编程技能就可以爬取复杂的网站。

如果手机上显示代码错乱，请分享到QQ或者其他地方，用电脑查看！！！

python能干的东西有很多，这里不再过多叙述，直接重点干货。

什么是Requests

Requests是用python语言基于urllib编写的，采用的是Apache2 Licensed开源协议的HTTP库

如果你看过上篇文章关于urllib库的使用，你会发现，其实urllib还是非常不方便的，而Requests它会比urllib更加方便，可以节约我们大量的工作。（用了requests之后，你基本都不愿意用urllib了）一句话，requests是python实现的最简单易用的HTTP库，建议爬虫使用requests库。

python学习关注我们企鹅qun： 8393 837 65 各类入门学习资料免费分享哦！

默认安装好python之后，是没有安装requests模块的，需要单独通过pip安装

requests功能详解

总体功能的一个演示

<pre >import requests

response = requests.get("[https://www.baidu.com][https_www.baidu.com]")

print(type(response))

print(response.status\_code)

print(type(response.text))

print(response.text)

print(response.cookies)

print(response.content)

print(response.content.decode("utf-8"))</pre>

我们可以看出response使用起来确实非常方便，这里有个问题需要注意一下：

很多情况下的网站如果直接response.text会出现乱码的问题，所以这个使用response.content

这样返回的数据格式其实是二进制格式，然后通过decode转换为utf-8，这样就解决了通过response.text直接返回显示乱码的问题.

请求发出后，Requests 会基于 HTTP 头部对响应的编码作出有根据的推测。当你访问 response.text 之时，Requests 会使用其推测的文本编码。你可以找出 Requests 使用了什么编码，并且能够使用 r.encoding 属性来改变它.如：

<pre >response =requests.get("[http://www.baidu.com][http_www.baidu.com]")

response.encoding="utf-8"

print(response.text)</pre>

不管是通过response.content.decode("utf-8)的方式还是通过response.encoding="utf-8"的方式都可以避免乱码的问题发生

各种请求方式

requests里提供个各种请求方式

<pre >import requests

requests.post("[http://httpbin.org/post][http_httpbin.org_post]")

requests.put("[http://httpbin.org/put][http_httpbin.org_put]")

requests.delete("[http://httpbin.org/delete][http_httpbin.org_delete]")

requests.head("[http://httpbin.org/get][http_httpbin.org_get]")

requests.options("[http://httpbin.org/get")</pre&gt][http_httpbin.org_get];

请求

基本GET请求

<pre >import requests

response = requests.get('

print(response.text)</pre>

带参数的GET请求，例子1

<pre >import requests

response = requests.get("

print(response.text)</pre>

如果我们想要在URL查询字符串传递数据，通常我们会通过httpbin.org/get?key=val方式传递。Requests模块允许使用params关键字传递参数，以一个字典来传递这些参数，例子如下：

<pre >import requests

data = \{

"name":"zhaofan",

"age":22

response = requests.get("[http://httpbin.org/get",params=data][http_httpbin.org_get])

print(response.url)

print(response.text)</pre>

上述两种的结果是相同的，通过params参数传递一个字典内容，从而直接构造url

注意：第二种方式通过字典的方式的时候，如果字典中的参数为None则不会添加到url上

解析json

<pre >import requests

import json

response = requests.get("[http://httpbin.org/get][http_httpbin.org_get]")

print(type(response.text))

print(response.json)

print(json.loads(response.text))

print(type(response.json))</pre>

从结果可以看出requests里面集成的json其实就是执行了json.loads方法，两者的结果是一样的

获取二进制数据

在上面提到了response.content，这样获取的数据是二进制数据，同样的这个方法也可以用于下载图片以及

视频资源

添加headers

和前面我们将urllib模块的时候一样，我们同样可以定制headers的信息，如当我们直接通过requests请求知乎网站的时候，默认是无法访问的

<pre >import requests

response =requests.get("

print(response.text)</pre>

这样会得到如下的错误  
![Python入门必学2个重点及精髓-Requests库~正则基本使用（上）][Python_2_-Requests]

因为访问知乎需要头部信息，这个时候我们在谷歌浏览器里输入chrome://version,就可以看到用户代理，将用户代理添加到头部信息

![Python入门必学2个重点及精髓-Requests库~正则基本使用（上）][Python_2_-Requests 1]

<pre >import requests

headers = \{

"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10\_12\_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36"

response =requests.get("[https://www.zhihu.com",headers=headers][https_www.zhihu.com_headers_headers])

print(response.text)</pre>

这样就可以正常的访问知乎了

基本POST请求

通过在发送post请求时添加一个data参数，这个data参数可以通过字典构造成，这样

对于发送post请求就非常方便

<pre >import requests

data = \{

"name":"zhaofan",

"age":23

response = requests.post("[http://httpbin.org/post",data=data][http_httpbin.org_post])

print(response.text)</pre>

同样的在发送post请求的时候也可以和发送get请求一样通过headers参数传递一个字典类型的数据

响应

我们可以通过response获得很多属性，例子如下

<pre >import requests

response = requests.get("[http://www.baidu.com][http_www.baidu.com]")

print(type(response.status\_code),response.status\_code)

print(type(response.headers),response.headers)

print(type(response.cookies),response.cookies)

print(type(response.url),response.url)

print(type(response.history),response.history)</pre>

结果如下：

![Python入门必学2个重点及精髓-Requests库~正则基本使用（上）][Python_2_-Requests 2]

状态码判断

Requests还附带了一个内置的状态码查询对象

主要有如下内容：

100: ('continue',),

101: ('switching\_protocols',),

102: ('processing',),

103: ('checkpoint',),

122: ('uri\_too\_long', 'request\_uri\_too\_long'),

200: ('ok', 'okay', 'all\_ok', 'all\_okay', 'all\_good', 'o/', '✓'),

201: ('created',),

202: ('accepted',),

203: ('non\_authoritative\_info', 'non\_authoritative\_information'),

204: ('no\_content',),

205: ('reset\_content', 'reset'),

206: ('partial\_content', 'partial'),

207: ('multi\_status', 'multiple\_status', 'multi\_stati', 'multiple\_stati'),

208: ('already\_reported',),

226: ('im\_used',),

Redirection.

300: ('multiple\_choices',),

301: ('moved\_permanently', 'moved', 'o-'),

302: ('found',),

303: ('see\_other', 'other'),

304: ('not\_modified',),

305: ('use\_proxy',),

306: ('switch\_proxy',),

307: ('temporary\_redirect', 'temporary\_moved', 'temporary'),

308: ('permanent\_redirect',

'resume\_incomplete', 'resume',), \# These 2 to be removed in 3.0

Client Error.

400: ('bad\_request', 'bad'),

401: ('unauthorized',),

402: ('payment\_required', 'payment'),

403: ('forbidden',),

404: ('not\_found', '-o-'),

405: ('method\_not\_allowed', 'not\_allowed'),

406: ('not\_acceptable',),

407: ('proxy\_authentication\_required', 'proxy\_auth', 'proxy\_authentication'),

408: ('request\_timeout', 'timeout'),

409: ('conflict',),

410: ('gone',),

411: ('length\_required',),

412: ('precondition\_failed', 'precondition'),

413: ('request\_entity\_too\_large',),

414: ('request\_uri\_too\_large',),

415: ('unsupported\_media\_type', 'unsupported\_media', 'media\_type'),

416: ('requested\_range\_not\_satisfiable', 'requested\_range', 'range\_not\_satisfiable'),

417: ('expectation\_failed',),

418: ('im\_a\_teapot', 'teapot', 'i\_am\_a\_teapot'),

421: ('misdirected\_request',),

422: ('unprocessable\_entity', 'unprocessable'),

423: ('locked',),

424: ('failed\_dependency', 'dependency'),

425: ('unordered\_collection', 'unordered'),

426: ('upgrade\_required', 'upgrade'),

428: ('precondition\_required', 'precondition'),

429: ('too\_many\_requests', 'too\_many'),

431: ('header\_fields\_too\_large', 'fields\_too\_large'),

444: ('no\_response', 'none'),

449: ('retry\_with', 'retry'),

450: ('blocked\_by\_windows\_parental\_controls', 'parental\_controls'),

451: ('unavailable\_for\_legal\_reasons', 'legal\_reasons'),

499: ('client\_closed\_request',),

Server Error.

500: ('internal\_server\_error', 'server\_error', '/o', '✗'),

501: ('not\_implemented',),

502: ('bad\_gateway',),

503: ('service\_unavailable', 'unavailable'),

504: ('gateway\_timeout',),

505: ('http\_version\_not\_supported', 'http\_version'),

506: ('variant\_also\_negotiates',),

507: ('insufficient\_storage',),

509: ('bandwidth\_limit\_exceeded', 'bandwidth'),

510: ('not\_extended',),

511: ('network\_authentication\_required', 'network\_auth', 'network\_authentication'),

通过下面例子测试：（不过通常还是通过状态码判断更方便）

<pre >import requests

response= requests.get("

if response.status\_code == requests.codes.ok:

print("访问成功")</pre>

requests高级用法

文件上传

实现方法和其他参数类似，也是构造一个字典然后通过files参数传递

<pre >import requests

files= \{"files":open("git.jpeg","rb")\}

response = requests.post("

print(response.text)</pre>

结果如下：

![Python入门必学2个重点及精髓-Requests库~正则基本使用（上）][Python_2_-Requests 3]

获取cookie

<pre >import requests

response = requests.get("[http://www.baidu.com][http_www.baidu.com]")

print(response.cookies)

for key,value in response.cookies.items:

print(key+"="+value)</pre>

会话维持

cookie的一个作用就是可以用于模拟登陆，做会话维持

<pre >import requests

s = requests.Session

s.get("[http://httpbin.org/cookies/set/number/123456][http_httpbin.org_cookies_set_number_123456]")

response = s.get("[http://httpbin.org/cookies")print(response.text)</pre&gt][http_httpbin.org_cookies_print_response.text_pre_gt];

这是正确的写法，而下面的写法则是错误的

<pre >import requests

requests.get("[http://httpbin.org/cookies/set/number/123456][http_httpbin.org_cookies_set_number_123456]")

response = requests.get("

print(response.text)</pre>

因为这种方式是两次requests请求之间是独立的，而第一次则是通过创建一个session对象，两次请求都通过这个对象访问

证书验证

现在的很多网站都是https的方式访问，所以这个时候就涉及到证书的问题

<pre >import requests

response = requests.get("https:/

print(response.status\_code)</pre>

默认的12306网站的证书是不合法的，这样就会提示如下错误  
![Python入门必学2个重点及精髓-Requests库~正则基本使用（上）][Python_2_-Requests 4]

为了避免这种情况的发生可以通过verify=False

但是这样是可以访问到页面，但是会提示：

InsecureRequestWarning: Unverified HTTPS request is being made. Adding certificate verification is strongly advised. See: [https://urllib3.readthedocs.io/en/latest/advanced-usage.html\#ssl-warnings][https_urllib3.readthedocs.io_en_latest_advanced-usage.html_ssl-warnings] InsecureRequestWarning)

解决方法为：

<pre >import requestsfrom requests.packages import urllib3

urllib3.disable\_warnings

response = requests.get("

print(response.status\_code)</pre>

这样就不会提示警告信息，当然也可以通过cert参数放入证书路径

代理设置

<pre >import requests

proxies= \{

"http":"[http://127.0.0.1:9999][http_127.0.0.1_9999]",

"https":"[http://127.0.0.1:8888][http_127.0.0.1_8888]"

response = requests.get("[https://www.baidu.com",proxies=proxies][https_www.baidu.com])

print(response.text)</pre>

如果代理需要设置账户名和密码,只需要将字典更改为如下：

proxies = \{

"http":"[http://user:password@127.0.0.1:9999][http_127.0.0.1_9999]"

如果你的代理是通过sokces这种方式则需要pip install "requests\[socks\]"

proxies= \{

"http":"socks5://127.0.0.1:9999",

"https":"sockes5://127.0.0.1:8888"

未完，下篇继续更新~

注：python学习关注我们企鹅qun： 839383765 各类入门学习资料免费分享哦！

转载于:https://blog.51cto.com/14186420/2346957

[https_www.baidu.com]: https://www.baidu.com
[http_www.baidu.com]: http://www.baidu.com
[http_httpbin.org_post]: http://httpbin.org/post
[http_httpbin.org_put]: http://httpbin.org/put
[http_httpbin.org_delete]: http://httpbin.org/delete
[http_httpbin.org_get]: http://httpbin.org/get
[Python_2_-Requests]: https://s1.51cto.com/images/blog/201901/26/a911270a9d26b1cbbdfdbe57db472218.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=
[Python_2_-Requests 1]: https://s1.51cto.com/images/blog/201901/26/21236a4bd3f7bef44989e4ac8d1283c0.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=
[https_www.zhihu.com_headers_headers]: https://www.zhihu.com
[Python_2_-Requests 2]: https://s1.51cto.com/images/blog/201901/26/5275b7bb94cc1017fc9776b9bd14fade.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=
[Python_2_-Requests 3]: https://s1.51cto.com/images/blog/201901/26/e94a5fd965a94a95c078558cfa82b2e4.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=
[http_httpbin.org_cookies_set_number_123456]: http://httpbin.org/cookies/set/number/123456
[http_httpbin.org_cookies_print_response.text_pre_gt]: http://httpbin.org/cookies
[Python_2_-Requests 4]: https://s1.51cto.com/images/blog/201901/26/3898986d3212d5a12fc4502c1777b75f.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=
[https_urllib3.readthedocs.io_en_latest_advanced-usage.html_ssl-warnings]: https://urllib3.readthedocs.io/en/latest/advanced-usage.html#ssl-warnings
[http_127.0.0.1_9999]: http://127.0.0.1:9999
[http_127.0.0.1_8888]: http://127.0.0.1:8888