422 lines
13 KiB
Markdown
422 lines
13 KiB
Markdown
---
|
||
title: requests HTTP 库
|
||
description: requests HTTP 库，基于 urllib 封装。
|
||
keywords:
|
||
- requests
|
||
- Python
|
||
- 拓展模块
|
||
tags:
|
||
- Python/进阶
|
||
- Python/PyPI
|
||
author: 7Wate
|
||
date: 2023-10-19
|
||
---
|
||
|
||
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。
|
||
|
||
```python
|
||
# 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 | requests | urllib |
|
||
| :----------- | :---------------------------------- | :-------------------------------- |
|
||
| 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
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
|
||
# 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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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_code | HTTP 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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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 |
|
||
| HTTPError | HTTP 错误响应 |
|
||
| RequestException | 请求异常基类 |
|
||
| SSLError | SSL 证书验证错误 |
|
||
| ProxyError | 代理连接错误 |
|
||
| JSONDecodeError | JSON 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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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：
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
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))
|
||
```
|