requests模块

requests

requests库是 python中非常优秀的第三方库(python2和python3中均有requests库)，它使用 Apache2 Licensed 许可证的 HTTP 库，用 Python 编写。requests 使用的是 urllib3(python3.x中的urllib)，因此继承了它的所有特性。Requests 会自动实现持久连接keep-alive，requests 支持 HTTP 连接保持和连接池，支持使用 cookie 保持会话，支持文件上传，支持自动确定响应内容的编码，支持国际化的 URL 和 POST 数据自动编码，现代、国际化、人性化。

Requests库中有7个主要的函数，分别是 request() 、get() 、 head() 、post() 、put() 、patch() 、delete() 。这七个函数中request()函数是其余六个函数的基础函数，其余六个函数的实现都是通过调用该函数实现的。

方法	说明
requests.request()	构造一个请求，支撑一下方法的基础方法
requests.get()	获取HTML网页的主要方法，对应于HTTP的GET（请求URL位置的资源）
requests.head()	获取HTML网页头信息的方法，对应于HTTP的HEAD（请求URL位置的资源的头部信息）
requests.post()	向HTML网页提交POST请求的方法，对应于HTTP的POST（请求向URL位置的资源附加新的数据）
requests.put()	向HTML网页提交PUT请求的方法，对应于HTTP的PUT（请求向URL位置储存一个资源，覆盖原来URL位置的资源）
requests.patch()	向HTML网页提交局部修改的请求，对应于HTTP的PATCH（请求局部更新URL位置的资源）
requests.delete()	向HTML网页提交删除请求，对应于HTTP的DELETE（请求删除URL位置储存的资源）

而这几个函数中，最常用的又是 requests.get() 函数。get函数有很多的参数，我只举几个比较常用的参数

参数	说明
url	这个不用多说，就是网站的url
params	将字典或字节序列，作为参数添加到url中，get形式的参数
data	将字典或字节序列，作为参数添加到url中，post形式的参数
headers	请求头，可以修改User-Agent等参数
timeout	超时时间
proxies	设置代理

举例：

import requests
##设置请求头
header = {  'Host': 'www.baidu.com',
            'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)',
            'Referer'    : 'http://www.baidu.com/login/',
            'Accept'     : '*/*' }
##设置提交的数据
values = {'name': 'Tom',
          'sex' : 'Man',
          'id'  : '10' }
##设置代理
proxy={"http":"http://127.0.0.1:8080"}      
##请求的url
requrl="http://www.baidu.com"

#使用session保持会话请求
sess=requests.session()
regu=sess.get("https://www.baidu.com")
#GET请求
response=requests.get(url=requrl,params=values,headers=header，timeout=0.1,proxies=proxy)
#POST请求
response=requests.post(url=requrl,data=values,headers=header，timeout=0.1,proxies=proxy)

响应内容的处理

import requests
import urllib

value={'username':'admin',
       'password':'123'  }
res=requests.get("http://www.baidu.com"，params=value)  //Get形式提交参数

data=urllib.parse.urlencode(value)
res=requests.get("http://www.baidu.com"，data=data)  //post形式提交参数

res.encoding="utf-8"  #设置编码
res.status_code       #状态码
res.url               #请求的url
res.request.headers   #请求头信息，返回的是一个字典对象，不修改的话，默认是python的请求头
res.headers           #响应头信息，返回的是一个字典对象
res.headers['Content-Type']  #响应头的具体的某个属性的信息
res.cookies           #cookie信息，返回的是一个字典对象
print(';'.join(['='.join(item)for item in cookies.items()]))   #打印出具体的cookies信息
res.text              #响应内容的字符串形式，即返回的页面内容
res.content           #响应内容的二进制形式  
res.apparent_encoding #从内容中分析出的响应内容编码方式（备选编码方式）

requests异常的处理

注意 requests 库有时会产生异常，比如网络连接错误、http错误异常、重定向异常、请求url超时异常等等。所以我们需要判断r.status_codes 是否是200，在这里我们怎么样去捕捉异常呢？

这里我们可以利用 response.raise_for_status() 语句去捕捉异常，该语句在方法内部判断r.status_code是否等于200，如果不等于，则抛出异常。

于是在这里我们有一个爬取网页的通用代码框架：

try:
    response=requests.get(url)
    response.raise_for_status()   #如果状态不是200，则引发异常
except:
    print("产生异常")