📚 X·Eden

Search

SearchSearch

Recent Notes

    requests HTTP 库

    Oct 19, 2023, 11 min read

    Requests 是 Python 的一个非常流行和强大的 HTTP 库，使用 Requests 可以极其方便地发送 HTTP/HTTPS 请求，然后获取并解析响应。它的语法简洁而又优雅，出色地符合 Python 风格，相比起 Python 自带的 urllib 来说，Requests 无疑更加人性化和易用。

    概述

    **Requests 库的目标就是让 HTTP 请求变得简单而又 Pythonic。**它可以显著减少程序员发送 HTTP 请求的工作量。使用 Requests，你不必手动添加查询字符串到 URL 中，或 encode post 数据了。一切都自动完成。

    Requests Vs Urllib

    Python 内置的 urllib 模块也可以发送网络请求，但其 API 不够优雅简洁。与 urllib 相比，Requests 更加 Pythonic，而且更简单易用。

    # 使用 urllib 获取一个网页的代码
import urllib.request
response = urllib.request.urlopen('https：//www.python.org')
html = response.read()
 
# 使用 Requests 获取同一个页面的代码
import requests
response = requests.get('https：//www.python.org')  
html = response.text
 
 
# Requests 允许使用 params 关键字传递参数，数据自动编码
payload = {'key1'： 'value1'， 'key2'： 'value2'}  
r = requests.get('https：//httpbin.org/get'， params=payload)
 
# 而通过 urllib 则要手动编码
import urllib.parse
import urllib.request
url = 'https：//httpbin.org/get' + '?' + urllib.parse.urlencode(payload)
resp = urllib.request.urlopen(url)

    总之，Requests 相对于 urllib 更加简洁易用。

    对比项requestsurllib
    发送请求方法简洁的 requests.get()/post()较复杂的 urllib.request.urlopen()
    参数传递自动编码，直接传 dict需要手动 urlencode
    请求头直接传 dict 作为 headers通过 Request 类设置
    响应内容多属性访问 text/content/json/raw 等仅 response.read()
    编码支持自动编码需要手动编码
    连接池支持连接池和会话不支持
    异常处理提供多种请求相关异常仅 urllib.error 异常
    证书验证通过 verify 参数验证 SSL 证书通过 context 参数验证
    代理设置支持通过 proxies 参数较复杂的 ProxyHandler
    Cookies提供 cookie 参数通过 cookielib 模块管理
    重定向自动处理，可通过 max_redirects 配置需要手动处理
    基本认证通过 auth 参数通过 HTTPSHandler
    流请求内置支持需要自定义
    异步请求支持异步模式不支持异步

    Requests 的关键特性

    • 继承了 urllib 的所有特性
    • 支持 HTTP 连接保持和连接池，提高效率
    • 支持使用 cookie 跟踪会话
    • 支持文件上传
    • 支持自动解码内容
    • 支持国际化的 URL 和 POST 数据自动编码
    • 更加 Pythonic 的 API
    • 连接超时设置
    • 支持 HTTPS 请求，SSL 证书验证
    • 自动解压
    • 流下载
    • 支持基本/摘要式的身份认证

    基础用法

    构造请求

    import requests
 
# requests.get 用于获取页面信息，
response = requests.get('https：//www.example.com') 
 
# requests.post 用于提交 POST 请求。
response = requests.post('https：//httpbin.org/post'， data = {'key'：'value'})

    获取响应

     
# 获取响应的内容使用 text 属性
html = response.text
 
# 获取二进制响应内容使用 content 属性
png_data = response.content
 
# 获取 JSON 响应使用 json() 方法
json_data = response.json()

    获取响应状态码

    获取响应状态码，可以检查 response.status_code：

    print(response.status_code)
 
200

    Requests 还提供了一个内置的状态码查询对象 requests.codes。例如：

    print(requests.codes.ok) 
 
200

    请求参数

    向请求中传入参数，有以下几种方法：

    1. 通过 params 参数传入键值对
    payload = {'key1'： 'value1'， 'key2'： 'value2'}
r = requests.get('https：//httpbin.org/get'， params=payload)
    1. 通过字典直接作为 params 参数传入
    params = {'key1'： 'value1'， 'key2'： 'value2'}
r = requests.get('https：//httpbin.org/get'， params)
    1. 通过 url 中的查询字符串传递参数
    url = 'https：//httpbin.org/get?key1=val1&key2=val2'
r = requests.get(url)

    设置请求头

    可以通过 headers 参数设置 HTTP 请求头，例如：

    url = 'https：//httpbin.org/get'
headers = {'user-agent'： 'my-app/0.0.1'}
 
r = requests.get(url， headers=headers)

    响应内容

    对于响应内容，有多种属性供访问：

    属性说明
    r.text字符串形式的响应体，会自动解码
    r.content字节形式的响应体，可迭代
    r.json()将 JSON 响应转换为字典
    r.raw原始响应体，需要自行解码
    r.encoding响应体编码方式
    r.status_codeHTTP 响应状态码
    r.headers响应头部的字典
    r.request请求的 Request 对象
    r.url请求的 URL
    r.history请求的重定向信息

    例如：

    r = requests.get('https：//api.github.com')
 
print(r.text) # 字符串形式的响应体
print(r.content) # 字节形式的响应体，可迭代  
print(r.json()) # JSON格式转换为字典  
print(r.raw) # 返回原始响应体

    高级用法

    Requests 还提供了很多高级功能，极大地丰富了这一模块的使用场景。

    会话维持

    Requests 提供了 session 对象，用于实现会话维持：

    s = requests.Session()
s.get('http：//httpbin.org/cookies/set/sessioncookie/123456789')
r = s.get("http：//httpbin.org/cookies")
 
print(r.text)
# '{"cookies"： {"sessioncookie"： "123456789"}}'

    默认的 requests 函数并不会在同一个 session 中保持 cookie，所以它不会在跨请求保持状态。要保持会话，就需要使用 session 对象。

    SSL 证书验证

    Requests 可以验证 SSL 证书，你可以指定一个本地证书用作客户端证书，以完成客户端验证：

    import requests
 
resp = requests.get('https：//example.com'， verify='path/to/certfile')

    或者你也可以指定一个本地证书作为 CA 证书 BUNDLE，来验证请求的 TLS 服务端证书：

    import requests
 
resp = requests.get('https：//example.com'， verify='path/to/cacert.pem')

    代理设置

    使用代理也很简单：

    import requests
 
proxies = {
  "http"： "http：//10.10.1.10：3128"，
  "https"： "http：//10.10.1.10：1080"，
}
 
requests.get("http：//example.org"， proxies=proxies)

    你也可以通过环境变量 HTTP_PROXY 和 HTTPS_PROXY 配置代理。

    超时设置

    通过 timeout 参数，可以告诉 requests 等待服务器响应的超时时间，以秒为单位：

    requests.get('https：//github.com'， timeout=0.001)

    分别为连接超时 connect timeou t 和读取超时 read timeout：

    requests.get('https：//github.com'， timeout=(3.05， 10))

    好的，文章继续：

    异常处理

    Requests 的异常类型主要分为以下几类：

    • 连接异常：包括 RequestsConnectionError 和 ConnectTimeout，表示与远程服务器的连接发生错误。
    • 超时异常：RequestsTimeout 表示请求超时。可以分为连接超时和读取超时。
    • TooManyRedirects：表示重定向次数超过了最大限制（默认为 30 次）。
    • HTTP 错误：HTTPError 表示 HTTP 错误响应，例如 404 或者 500 等。Requests 会自动为其封装异常。
    • 请求异常：RequestException 是 Requests 库自身的异常基类。
    • SSL 错误：SSLError 表示 SSL 证书验证错误。
    • 代理错误：ProxyError 表示代理连接失败。
    • 数据解析错误：JSONDecodeError 和 DecodeError 表示响应数据解析错误。
    • 其他：ConnectionError、InvalidURL 等其他异常。

    可以通过 try except 语句捕获这些 异常：

    import requests
 
try：
    response = requests.get('https：//httpbin.org/delay/10'， timeout=2)
except requests.ConnectTimeout：
    print('Connection timed out')  
except requests.ConnectionError：
    print('Connection error')

    如果不捕获异常，程序会中断并抛出异常。

    异常类型说明
    RequestsConnectionError网络连接错误
    ConnectTimeout连接超时错误
    RequestsTimeout请求超时错误
    TooManyRedirects重定向次数超限
    HTTPErrorHTTP 错误响应
    RequestException请求异常基类
    SSLErrorSSL 证书验证错误
    ProxyError代理连接错误
    JSONDecodeErrorJSON 解析错误
    ConnectionError连接错误

    流式下载

    对于大文件下载，可以使用流模式节省内存：

    with requests.get('http：//httpbin.org/stream/100'， stream=True) as r：
    for chunk in r.iter_content(chunk_size=1024)： 
        print(chunk)

    该模式仅当你在迭代时才会持续下载响应体部分，如果你要多次读取响应，必须使用 r.content 访问内容。

    连接重试

    可以通过设置 retries 参数，让请求在遇到连接错误时自动重试指定次数：

    from requests.adapters import HTTPAdapter
 
s = requests.Session()
retries = Retry(total=5， backoff_factor=1， status_forcelist=[502， 503， 504])
s.mount('http：//'， HTTPAdapter(max_retries=retries))

    如果响应状态码是 502/503/504，该请求会重试最多 5 次。

    实践技巧

    文件上传

    Requests 使得文件上传变得极其简单：

    url = 'https：//httpbin.org/post'
files = {'file'： open('report.pdf'， 'rb')}
 
r = requests.post(url， files=files)

    我们只需要在传递的字典中设置好文件名和文件对象即可，Requests 会帮你正确编码并发送。

    获取图片

    由于图片也是一种二进制数据，所以获取图片可以这么写：

    url = 'https：//images.pexels.com/photos/1562477/pexels-photo-1562477.jpeg'
r = requests.get(url)
 
with open('image.jpeg'， 'wb') as f：
    f.write(r.content)

    图片内容保存在 r.content 中，我们可以直接 write 到文件。

    Prepared Request

    如果要一次构造同一个请求发送多次，可以使用 Prepared Request：

    url = 'https：//httpbin.org/post'
data = {'key'：'value'}
headers = {'User-Agent'： 'my-app'}
 
request = requests.Request('POST'， url， data=data， headers=headers)
prepared_request = request.prepare()
 
s = requests.Session()
response = s.send(prepared_request)

    异步 Requests

    基于 Gevent 的异步

    import requests
import gevent
from gevent import monkey
 
monkey.patch_all()
 
urls = [
  'https：//www.python.org'，
  'https：//www.mi.com'，
  'https：//www.baidu.com'
]
 
jobs = [gevent.spawn(requests.get， url) for url in urls]
gevent.joinall(jobs)
print([job.value.text for job in jobs])

    基于 Asyncio 的异步

    import asyncio
import requests
 
async def download_site(url， session)：
    async with session.get(url) as response：
        print(f"Read {len(response.content)} from {url}")
        
async def download_all_sites(sites)：
    async with requests.Session() as session：
        tasks = []
        for url in sites：
            task = asyncio.ensure_future(download_site(url， session))
            tasks.append(task)
        await asyncio.gather(*tasks)
        
if __name__ == "__main__"：
    sites = [
        "https：//www.jython.org"，
        "http：//olympus.realpython.org/dice"，
    ] * 80
    asyncio.run(download_all_sites(sites))

    Graph View

    Backlinks

    • No backlinks found