>>> 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("http://httpbin.org/get")

因為目前我還沒用到這些，所以沒有深入研究。

2.2 在URLs中傳遞參數(shù)
有時候我們需要在URL中傳遞參數(shù)，比如在采集百度搜索結(jié)果時，我們wd參數(shù)（搜索詞）和rn參數(shù)（搜素結(jié)果數(shù)量），你可以手工組成URL，requests也提供了一種看起來很NB的方法：

>>> payload = {'wd': '張亞楠', 'rn': '100'}
>>> r = requests.get("http://www.baidu.com/s", params=payload)
>>> print r.url
u'http://www.baidu.com/s?rn=100&wd=%E5%BC%A0%E4%BA%9A%E6%A5%A0'

上面wd=的亂碼就是“張亞楠”的轉(zhuǎn)碼形式。（好像參數(shù)按照首字母進行了排序。）

2.3 獲取響應(yīng)內(nèi)容
可以通過r.text來獲取網(wǎng)頁的內(nèi)容。

>>> r = requests.get('https://www.zhidaow.com')
>>> r.text
u'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...'

文檔里說，requests會自動將內(nèi)容轉(zhuǎn)碼。大多數(shù)unicode字體都會無縫轉(zhuǎn)碼。但我在cygwin下使用時老是出現(xiàn)UnicodeEncodeError錯誤，郁悶。倒是在python的IDLE中完全正常。
另外，還可以通過r.content來獲取頁面內(nèi)容。

>>> r = requests.get('https://www.zhidaow.com')
>>> r.content
b'<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml"...'

文檔中說r.content是以字節(jié)的方式去顯示，所以在IDLE中以b開頭。但我在cygwin中用起來并沒有，下載網(wǎng)頁正好。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個功能。）

2.4 獲取網(wǎng)頁編碼

可以使用r.encoding來獲取網(wǎng)頁編碼。

>>> r = requests.get('http://www.zhidaow.com')
>>> r.encoding
'utf-8'

當(dāng)你發(fā)送請求時，requests會根據(jù)HTTP頭部來猜測網(wǎng)頁編碼，當(dāng)你使用r.text時，requests就會使用這個編碼。當(dāng)然你還可以修改requests的編碼形式。

>>> r = requests.get('http://www.zhidaow.com')
>>> r.encoding
'utf-8'
>>>r.encoding = 'ISO-8859-1'

像上面的例子，對encoding修改后就直接會用修改后的編碼去獲取網(wǎng)頁內(nèi)容。

2.5 json

像urllib和urllib2，如果用到j(luò)son，就要引入新模塊，如json和simplejson，但在requests中已經(jīng)有了內(nèi)置的函數(shù)，r.json()。就拿查詢IP的API來說：

>>>r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28')
>>>r.json()['data']['country']
'中國'

2.6 網(wǎng)頁狀態(tài)碼
我們可以用r.status_code來檢查網(wǎng)頁的狀態(tài)碼。

>>>r = requests.get('http://www.mengtiankong.com')
>>>r.status_code
200
>>>r = requests.get('http://www.mengtiankong.com/123123/')
>>>r.status_code
404
>>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN')
>>>r.url
u'http://www.zhidaow.com/
>>>r.status_code
200

前兩個例子很正常，能正常打開的返回200，不能正常打開的返回404。但第三個就有點奇怪了，那個是百度搜索結(jié)果中的302跳轉(zhuǎn)地址，但狀態(tài)碼顯示是200，接下來我用了一招讓他原形畢露：

>>>r.history
(<Response [302]>,)

這里能看出他是使用了302跳轉(zhuǎn)。也許有人認為這樣可以通過判斷和正則來獲取跳轉(zhuǎn)的狀態(tài)碼了，其實還有個更簡單的方法：

>>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN', allow_redirects = False)
>>>r.status_code
302

只要加上一個參數(shù)allow_redirects，禁止了跳轉(zhuǎn)，就直接出現(xiàn)跳轉(zhuǎn)的狀態(tài)碼了，好用吧？我也利用這個在最后一掌做了個簡單的獲取網(wǎng)頁狀態(tài)碼的小應(yīng)用，原理就是這個。

2.7 響應(yīng)頭內(nèi)容

可以通過r.headers來獲取響應(yīng)頭內(nèi)容。

>>>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內(nèi)容，我們也可以訪問部分內(nèi)容。

>>> r.headers['Content-Type']
'text/html; charset=utf-8'

>>> r.headers.get('content-type')
'text/html; charset=utf-8'

2.8 設(shè)置超時時間

我們可以通過timeout屬性設(shè)置超時時間，一旦超過這個時間還沒獲得響應(yīng)內(nèi)容，就會提示錯誤。

復(fù)制代碼代碼如下:

>>> 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)

2.9 代理訪問
采集時為避免被封IP，經(jīng)常會使用代理。requests也有相應(yīng)的proxies屬性。

import requests

proxies = {
 "http": "http://10.10.1.10:3128",
 "https": "http://10.10.1.10:1080",
}

requests.get("http://www.zhidaow.com", proxies=proxies)

如果代理需要賬戶和密碼，則需這樣：

proxies = {
 "http": "http://user:pass@10.10.1.10:3128/",
}

2.10 請求頭內(nèi)容
請求頭內(nèi)容可以用r.request.headers來獲取。

>>> r.request.headers
{'Accept-Encoding': 'identity, deflate, compress, gzip',
'Accept': '*/*', 'User-Agent': 'python-requests/1.2.3 CPython/2.7.3 Windows/XP'}

2.11 自定義請求頭部
偽裝請求頭部是采集時經(jīng)常用的，我們可以用這個方法來隱藏：

r = requests.get('http://www.zhidaow.com')
print r.request.headers['User-Agent']
#python-requests/1.2.3 CPython/2.7.3 Windows/XP

headers = {'User-Agent': 'alexkh'}
r = requests.get('http://www.zhidaow.com', headers = headers)
print r.request.headers['User-Agent']
#alexkh

2.12 持久連接keep-alive

requests的keep-alive是基于urllib3，同一會話內(nèi)的持久連接完全是自動的。同一會話內(nèi)的所有請求都會自動使用恰當(dāng)?shù)倪B接。

也就是說，你無需任何設(shè)置，requests會自動實現(xiàn)keep-alive。

3. 簡單應(yīng)用

獲取網(wǎng)頁返回碼

def get_status(url):
 r = requests.get(url, allow_redirects = False)
 return r.status_code

print get_status('http://www.zhidaow.com') 
#200
print get_status('http://www.zhidaow.com/hi404/')
#404
print get_status('http://mengtiankong.com')
#301
print get_status('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN')
#302
print get_status('http://www.huiya56.com/com8.intre.asp?46981.html')
#500

您可能感興趣的文章: