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。
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
|
1
2
3
4
5
6
7
8
9
10
11
|
>>>import requests>>> r = requests.get('http://www.zhidaow.com') # 发送请求>>> r.status_code # 返回码 200>>> r.headers['content-type'] # 返回头部信息'text/html; charset=utf8'>>> r.encoding # 编码信息'utf-8'>>> r.text #内容部分（PS，由于编码问题，建议这里使用r.content）u'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...'... |
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：
|
1
|
>>>import requests |
接下来让我们获取一个网页，例如我个人博客的首页：
|
1
|
>>>r = requests.get('http://www.zhidaow.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实现：
|
1
2
3
4
5
|
>>> 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(<a href="http://httpbin.org/get">http://httpbin.org/get</a>) |
因为目前我还没用到这些，所以没有深入研究。
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：
|
1
2
3
4
|
>>> payload = {'wd': '张亚楠', '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。
|
1
2
3
|
>>> r = requests.get('https://www.zhidaow.com')>>> r.textu'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...' |
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。
|
1
2
3
|
>>> r = requests.get('https://www.zhidaow.com')>>> r.contentb'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...' |
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。
|
1
2
3
|
>>> r = requests.get('http://www.zhidaow.com')>>> r.encoding'utf-8' |
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。
|
1
2
3
4
|
>> r = requests.get('http://www.zhidaow.com')>>> r.encoding'utf-8'>>>r.encoding = 'ISO-8859-1' |
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：
|
1
2
3
|
>>>r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')>>>r.json()['data']['country']'中国' |
3.6 网页状态码
我们可以用r.status_code来检查网页的状态码。
|
1
2
3
4
5
6
7
8
9
10
11
|
>>>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：
|
1
2
|
>>>r.history(<Response [302]>,) |
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：
|
1
2
3
|
>>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN', allow_redirects = False)>>>r.status_code302 |
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。
3.7 响应头内容
可以通过r.headers来获取响应头内容。
|
1
2
3
4
5
6
7
8
|
>>>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内容，我们也可以访问部分内容。
|
1
2
3
4
|
>>> r.headers['Content-Type']'text/html; charset=utf-8'>>> r.headers.get('content-type')'text/html; charset=utf-8' |
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。
|
1
2
3
4
|
>>> requests.get('http://github.com', timeout=0.001)Traceback (most recent call last):File "<stdin>", line 1, in <module>requests.exceptions.Timeout: HTTPConnectionPool(host='github.com', port=80): Request timed out. (timeout=0.001) |
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。
|
1
2
3
4
5
6
|
import requestsproxies = {"http": "http://10.10.1.10:3128","https": "http://10.10.1.10:1080",}requests.get("http://www.zhidaow.com", proxies=proxies) |
如果代理需要账户和密码，则需这样：
|
1
2
3
|
proxies = {"http": "http://user:pass@10.10.1.10:3128/",} |
3.10 请求头内容
请求头内容可以用r.request.headers来获取。
|
1
2
3
|
>>> 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：
|
1
2
3
4
5
6
7
|
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
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 |
以上是针对Python Requests的安装与简单运用的介绍，希望对大家有所帮助！
