码迷,mamicode.com
首页 > 编程语言 > 详细

Python爬虫系列(二):requests基础

时间:2017-10-18 23:15:46      阅读:285      评论:0      收藏:0      [点我收藏+]

标签:request   修改内容   err   byte   options   targe   height   document   继承   

1.发送请求:

import requests

# 获取数据
#r是一个 response 对象。包含请求返回的内容
r = requests.get(‘‘)
print(r.content)

打印结果:

b‘{"message":"Hello there, wayfaring stranger. If you\xe2\x80\x99re reading this then you probably didn\xe2\x80\x99t see our blog post a couple of years back announcing that this API would go away: GitHub API v2: End of Life Fear not, you should be able to get what you need from the shiny new Events API instead.","documentation_url":"Events | GitHub Developer Guide"}‘

 

发送请求有4中方式,就是http协议的4中method:

r = requests.put("")
r = requests.delete("")
r = requests.head("")
r = requests.options("")

2.传递 URL 参数

以下两种方式,是通过url传参。参数,必须是一个字典

import requests

payload1 = {‘key1‘: ‘value1‘, ‘key2‘: ‘value2‘}
r1 = requests.get("", params=payload1)
print(r1.url)

payload2 = {‘key1‘: ‘value1‘, ‘key2‘: [‘value2‘, ‘value3‘]}
r2 = requests.get(‘‘, params=payload2)
print(r2.url)

 

对应结果:

注意看差别

3.响应内容

r = requests.get(‘‘)
#获取响应结果
print(r.text)
#获取内容编码
print(r.encoding)
#修改内容编码方式。修改之后再取text将使用新的编码方式
r.encoding = ‘ISO-8859-1‘

技术分享

注意符号上编码不同

将内容编辑成二进制

i = BytesIO(r.content)

将内容转为JSON对象

print(r.json())

注意:成功调用 r.json() 并不意味着响应的成功。有的服务器会在失败的响应中包含一个 JSON 对象(比如 HTTP 500 的错误细节)。这种 JSON 会被解码返回。要检查请求是否成功,请使用 r.raise_for_status() 或者检查 r.status_code 是否和你的期望相同

原始响应内容

什么是原始内容?客户端和服务器端建立socket的那一层取回的内容。需要设置stream=True才能取回,返回的是urllib的对象。

r = requests.get(‘‘, stream=True)

#取回流中的100个字节的内容

r.raw.read(100)

技术分享

但是,若是要将返回的数据保存为文件,应这样使用流:

with open(filename, ‘wb‘) as fd:
for chunk in r.iter_content(chunk_size):
fd.write(chunk)

用Response.iter_content替代r.raw

4.定制请求头

url = ‘
headers = {‘user-agent‘: ‘my-app/0.0.1‘}

#说白了就给url传参数
r = requests.get(url, headers=headers)

有以下内容要注意:

注意: 定制 header 的优先级低于某些特定的信息源,例如:

如果在 .netrc 中设置了用户认证信息,使用 headers= 设置的授权就不会生效。而如果设置了auth= 参数,``.netrc`` 的设置就无效了。

如果被重定向到别的主机,授权 header 就会被删除。

代理授权 header 会被 URL 中提供的代理身份覆盖掉。

在我们能判断内容长度的情况下,header 的 Content-Length 会被改写。

更进一步讲,Requests 不会基于定制 header 的具体情况改变自己的行为。只不过在最后的请求中,所有的 header 信息都会被传递进去。

注意: 所有的 header 值必须是 string、bytestring 或者 unicode。

5.更加复杂的 POST 请求

import requests

# 传递元组
payload1 = ((‘key1‘, ‘value1‘), (‘key1‘, ‘value2‘))
r1 = requests.post(‘‘, data=payload1)
# 传递字典
payload2 = {‘key1‘: ‘value1‘, ‘key2‘: ‘value2‘}
r2 = requests.post("", data=payload2)
# 传递JSON字符串
url1 = ‘
payload3 = {‘some‘: ‘data‘}
r3 = requests.post(url1, data=json.dumps(payload3))
# 传递JSON对象
url2 = ‘
payload4 = {‘some‘: ‘data‘}
r4 = requests.post(url2, json=payload4)

6.传文件

import requests

url = ‘
# files = {‘file‘: open(‘report.xls‘, ‘rb‘)}
# 显式地设置文件名,文件类型和请求头
# files = {‘file‘: (‘report.xls‘, open(‘report.xls‘, ‘rb‘), ‘application/vnd.ms-excel‘, {‘Expires‘: ‘0‘})}
# 把字符串当做文件来发送
files = {‘file‘: (‘report.xls‘, ‘some,data,to,send\nanother,row,to,send\n‘)}
r = requests.post(url, files=files)
print(r.text)
第3步响应结果

注意:官方建议使用 requests-toolbelt 发送多个文件。后面我们将进一步演示

技术分享

7.响应状态码

r = requests.get(‘‘)
print(r.status_code)
# 状态查询对象:requests.codes
print(r.status_code == requests.codes.ok)
bad_r = requests.get(‘‘)
print (bad_r.status_code)
# 在请求有问题的时候,raise_for_status()方法会手动出发异常
bad_r.raise_for_status()

执行结果:

技术分享

8.响应头

import requests

r = requests.get(‘‘)
print(r.status_code)
#获取响应头。响应头是字典
print(r.headers)
print(r.headers[‘Content-Type‘])
print(r.headers.get(‘content-type‘))

9.Cookie

import requests

url = ‘http://example.com/some/cookie/setting/url‘
r = requests.get(url)
# 获取请求返回的cookies
r.cookies[‘example_cookie_name‘]

url = ‘
# 把请求带上cookies 这玩意在模拟登录后经常使用
r = requests.get(url, cookies=cookies)
r.text
# Cookie 的返回对象为 RequestsCookieJar,它的行为和字典类似,适合跨域名跨路径使用
#妹的,这是跨域吗。明明是模仿免登录
jar = requests.cookies.RequestsCookieJar()
jar.set(‘tasty_cookie‘, ‘yum‘, domain=‘httpbin.org‘, path=‘/cookies‘)
jar.set(‘gross_cookie‘, ‘blech‘, domain=‘httpbin.org‘, path=‘/elsewhere‘)
url = ‘
r = requests.get(url, cookies=jar)
r.text

10.重定向与请求历史

默认情况下,除了 HEAD, Requests 会自动处理所有重定向。可以使用响应对象的 history 方法来追踪重定向。

什么是重定向:输入的是A地址却自动跳转到B地址

以下实例:放回的301代表永久性重定向。不要纠结过多,记住就行了。

这里需要理解:本实例明明访问一个地址,为什么就重定向了。因为访问的是域名,DNS会自动转向实际的服务器,这里就重定向了

Response.history 是一个 Response 对象的列表,为了完成请求而创建了这些对象。这个对象列表按照从最老到最近的请求进行排序。

r = requests.get(‘‘)
print(r.url)
print(r.history)

禁用重定向:

使用GET、OPTIONS、POST、PUT、PATCH 或者 DELETE,那么可以通过 allow_redirects 参数禁用重定向处理

r = requests.get(‘‘, allow_redirects=False)
print(r.status_code)
print(r.history)

使用HEAD启动重定向:

r = requests.head(‘‘, allow_redirects=True)
print(r.history)

11.超时

r=requests.get(‘‘, timeout=0.001)

超时:是非常有用的。若是不设置超时,在很长一段时间都没返回,那么程序就会阻塞。timeout 仅对连接过程有效,与响应体的下载无关。 timeout 并不是整个下载响应的时间限制,而是如果服务器在 timeout 秒内没有应答,将会引发一个异常(更精确地说,是在timeout 秒内没有从基础套接字上接收到任何字节的数据时)

12.错误与异常

遇到网络问题(如:DNS 查询失败、拒绝连接等)时,Requests 会抛出一个 ConnectionError 异常。

如果 HTTP 请求返回了不成功的状态码, Response.raise_for_status() 会抛出一个 HTTPError异常。

若请求超时,则抛出一个 Timeout 异常。

若请求超过了设定的最大重定向次数,则会抛出一个 TooManyRedirects 异常。

所有Requests显式抛出的异常都继承自 requests.exceptions.RequestException

 

截止目前,我们对requests有了一个基本认识。明天,我们将进一步讨论requests高级耍法。

我只希望公司的新同事,牛小妹能花点时间仔细看下,代码拿来运行下,看有什么效果。

Python爬虫系列(二):requests基础

标签:request   修改内容   err   byte   options   targe   height   document   继承   

原文地址:http://www.cnblogs.com/zijiyanxi/p/7689483.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!