【华为云技术分享】小白篇，认识Python最最最常用语重要的库Requests

Requests库是Python爬虫中最最最最最最重要与常见的库，一定要熟练掌握它.

下面我们来认识这个库

Requests库是Python爬虫中最最最最最最重要与常见的库，一定要熟练掌握它.

下面我们来认识这个库

 1 import requests
 2 url = 'http://www.baidu.com'
 3 r = requests.get(url)
 4 print type(r)
 5 print r.status_code
 6 print r.encoding
 7 #print r.content
 8 print r.cookies
 9 
10 
11 得到：
12 <class 'requests.models.Response'>
13 200
14 ISO-8859-1
15 <RequestsCookieJar[<Cookie BDORZ=27315 for .baidu.com/>]>

2.Get请求方式

1 values = {'user':'aaa','id':'123'}
2 url = 'http://www.baidu.com'
3 r = requests.get(url,values)
4 print r.url
5 
6 得到：http://www.baidu.com/?user=aaa&id=123

3.Post请求方式

1 values = {'user':'aaa','id':'123'}
2 url = 'http://www.baidu.com'
3 r = requests.post(url,values)
4 print r.url
5 #print r.text
6 
7 得到：
8 http://www.baidu.com/

4.请求头headers处理

1 user_agent = {'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4295.400 QQBrowser/9.7.12661.400'}
2 header = {'User-Agent':user_agent}
3 url = 'http://www.baidu.com/'
4 r = requests.get(url,headers=header)
5 print r.content

注意处理请求的headers
很多时候我们服务器会检验请求是否来自于浏览器，所以我们需要在请求的头部伪装成浏览器来请求服务器.一般做请求的时候，最好都要伪装成浏览器，防止出现拒绝访问等错误，这也是一种反爬虫的一种策略

特别说明，以后无论我们做什么请求，一定要带上headers,千万不要偷懒省事，把这里当成一条交通规则来理解，闯红灯不一定会发生危险但不安全，为了省事，我们遵循红灯停绿灯行就够了，做网络爬虫请求也一样，必须把这个headers加上，以防出错.

1 user_agent = {'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4295.400 QQBrowser/9.7.12661.400'}
2 header = {'User-Agent':user_agent}
3 url = 'http://www.qq.com/'
4 request = urllib2.Request(url,headers=header)
5 response = urllib2.urlopen(request)
6 print response.read().decode('gbk')#这里注意一下需要对读取的网页内容进行转码，先要查看一下网页的chatset是什么格式.

在浏览器上打开www.qq.com然后按F12，查看User-Agent:

User-Agent : 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求
Content-Type : 在使用 REST 接口时，服务器会检查该值，用来确定 HTTP Body 中的内容该怎样解析。
application/xml ：在 XML RPC，如 RESTful/SOAP 调用时使用
application/json ：在 JSON RPC 调用时使用
application/x-www-form-urlencoded ：浏览器提交 Web 表单时使用
在使用服务器提供的 RESTful 或 SOAP 服务时， Content-Type 设置错误会导致服务器拒绝服务

5.响应码code与响应头headers处理

 1 url = 'http://www.baidu.com'
 2 r = requests.get(url)
 3 
 4 if r.status_code == requests.codes.ok:
 5  print r.status_code
 6  print r.headers
 7  print r.headers.get('content-type')#推荐用这种get方式获取头部字段
 8 else:
 9  r.raise_for_status()
10 
11 得到：
12 200
13 {'Content-Encoding': 'gzip', 'Transfer-Encoding': 'chunked', 'Set-Cookie': 'BDORZ=27315; max-age=86400; domain=.baidu.com; path=/', 'Server': 'bfe/1.0.8.18', 'Last-Modified': 'Mon, 23 Jan 2017 13:27:57 GMT', 'Connection': 'Keep-Alive', 'Pragma': 'no-cache', 'Cache-Control': 'private, no-cache, no-store, proxy-revalidate, no-transform', 'Date': 'Wed, 17 Jan 2018 07:21:21 GMT', 'Content-Type': 'text/html'}
14 text/html

6.cookie处理

1 url = 'https://www.zhihu.com/'
2 r = requests.get(url)
3 print r.cookies
4 print r.cookies.keys()
5 
6 得到：
7 <RequestsCookieJar[<Cookie aliyungf_tc=AQAAACYMglZy2QsAEnaG2yYR0vrtlxfz for www.zhihu.com/>]>
8 ['aliyungf_tc']

7. 重定向与历史消息

处理重定向只是需要设置一下allow_redirects字段即可，将allow_redirectsy设置为True则是允许重定向的，设置为False则禁止重定向的。

1 r = requests.get(url,allow_redirects = True)
2 print r.url
3 print r.status_code
4 print r.history
5 
6 得到：
7 http://www.baidu.com/
8 200
9 []

8.超时设置

超时选项是通过参数timeout来设置的
python url = 'http://www.baidu.com' r = requests.get(url,timeout = 2)

9.代理设置

1 proxis = {
2  'http':'http://www.baidu.com',
3  'http':'http://www.qq.com',
4  'http':'http://www.sohu.com',
5 
6 }
7 
8 url = 'http://www.baidu.com'
9 r = requests.get(url,proxies = proxis)

作者：倪平宇