目录

一、requests模块介绍

二、response响应对象

三、 requests模块发送请求

四、requests模块发送post请求

五、利用requests.session进行状态保持

---

一、requests模块介绍

requests文档：Requests: 让 HTTP 服务人类 — Requests 2.18.1 文档

作用：

发送http请求，获取响应数据

安装

requests模块是一个第三方模块，需要在python环境中额外安装

• pip/pip3 install requests

发送get请求

代码示例

# 导入模块
import requests
​
# 目标url
url = 'https://www.baidu.com'
​
# 向目标url发送get请求
response = requests.get(url)
​
# 打印响应内容
print(response.text)

二、response响应对象

观察上边代码运行结果发现，有好多乱码，这是因为编解码使用的字符集不同早造成的，可以尝试使用下边的办法来解决中文乱码问题：

# 导入模块
import requests# 目标url
url = 'https://www.baidu.com'# 向目标url发送get请求
response = requests.get(url)# 打印响应内容
# print(response.text)
print(response.content.decode())  # 注意这里！

1. response.text是requests模块按照chardet模块推测出的编码字符集进行解码的结果
2. 网络传输的字符串都是bytes类型的，所以response.text = response.content.decode('推测出的编码字符集')
3. 我们可以在网页源码中搜索charset，尝试参考该编码字符集，注意存在不准确的情况

2.1 response.text 和 response.content 的区别：

response.text

类型：str

解码类型： requests模块自动根据HTTP 头部对响应的编码作出有根据的推测，推测的文本编码

response.content

类型：bytes

解码类型： 没有指定

2.2 通过对response.content进行decode，来解决中文乱码

• response.content.decode() # 默认utf-8

• response.content.decode('GBK')

常见的编码字符集

• utf-8

• gbk

• gb2312

• ascii（阿斯克码）

• iso-8859-1

2.3 其它常用属性或方法

response = requests.get(url)中response是发送请求获取的响应对象；

response响应对象中除了text、content获取响应内容以外还有其它常用的属性或方法： 

• response.url响应的url；有时候响应的url和请求的url并不一致

• response.status_code 响应状态码

• response.request.headers 响应对应的请求头

• response.headers 响应头

• response.request._cookies 响应对应请求的cookie；返回cookieJar类型

• response.cookies 响应的cookie（经过了set-cookie动作；返回cookieJar类型

• response.json()自动将json字符串类型的响应内容转换为python对象（dict or list）

# 导入模块
import requests# 目标url
url = 'https://www.baidu.com'# 向目标url发送get请求
response = requests.get(url)# 打印响应内容
# print(response.text)
# print(response.content.decode())  # 注意这里！
print(response.url)  # 打印响应的url
print(response.status_code)  # 打印响应的状态码
print(response.request.headers)  # 打印响应对象的请求头
print(response.headers)  # 打印响应头
print(response.request._cookies)  # 打印请求携带的cookies
print(response.cookies)  # 打印响应中携带的cookies

三、 requests模块发送请求

3.1 发送带 header 的请求

我们先写一个获取百度首页的代码

import requestsurl = 'https://www.baidu.com'response = requests.get(url)print(response.content.decode())# 打印响应对应请求的请求头信息
print(response.request.headers)

不过，对比浏览器上百度首页的网页源码（F12）和代码中的百度首页的源码，发现代码中的百度首页的源码非常少，所以需要我们带上请求头信息，请求头中有很多字段，其中User-Agent字段必不可少，表示客户端的操作系统以及浏览器的信息。

携带请求头发送请求的方法

requests.get(url, headers=headers)

• headers参数接收字典形式的请求头

• 请求头字段名作为key，字段对应的值作为value

从浏览器中复制User-Agent，构造headers字典

import requestsurl = 'https://www.baidu.com'headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"
}# 在请求头中带上User-Agent，模拟浏览器发送请求
response = requests.get(url, headers=headers)print(response.content)# 打印请求头信息
print(response.request.headers)

3.2 发送带参数的请求

使用百度搜索时url地址中会有一个 ?，此问号后边就是请求参数，又叫查询字符串

url携带参数

import requestsheaders = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"
}url = 'https://www.baidu.com/s?wd=詹姆斯'response = requests.get(url, headers=headers)

通过构建参数字典

import requestsheaders = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36"
}# 目标url
# url = 'https://www.baidu.com/s?wd=詹姆斯'# 这里最后有没有问号结果都一样
url = 'https://www.baidu.com/s?'# 请求参数是一个字典 即wd=python
kw = {'wd': '詹姆斯'}# 带上请求参数发起请求，获取响应
response = requests.get(url, headers=headers, params=kw)print(response.content)

3.3 headers参数中携带 cookie 

网站经常利用请求头中的Cookie字段来做用户访问状态的保持，那么我们可以在headers参数中添加Cookie，模拟普通用户的请求。

1. 访问gitee登陆的url地址 https://gitee.com/login

2. 输入账号密码点击登陆后，访问一个需要登陆后才能获取正确内容的url，比如点击右上角的【个人中心】访问 https://gitee.com/mengnf

3. 确定url之后，再确定发送该请求所需要的请求头信息中的User-Agent和Cookie

将值赋值出来：

# 构造请求头字典
headers = {# 从浏览器中复制过来的User-Agent'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36',# 从浏览器中复制过来的Cookie'Cookie': '这里是复制过来的cookie字符串'
}

cookies参数的形式：字典

cookies = {"cookie的name":"cookie的value"}

• 该字典对应请求头中Cookie字符串，以分号、空格分割每一对字典键值对

• 等号左边的是一个cookie的name，对应cookies字典的key

• 等号右边对应cookies字典的value

1. cookies参数的使用方法

   response = requests.get(url, cookies)

2. 将cookie字符串转换为cookies参数所需的字典：

   cookies_dict = {cookie.split('=')[0]:cookie.split('=')[-1] for cookie in cookies_str.split('; ')}

3. 注意：cookie一般是有过期时间的，一旦过期需要重新获取

import requestsurl = 'https://github.com/USER_NAME'# 构造请求头字典
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'
}
# 构造cookies字典
cookies_str = '从浏览器中copy过来的cookies字符串'cookies_dict = {cookie.split('=')[0]: cookie.split('=')[-1] for cookie in cookies_str.split('; ')}# 请求头参数字典中携带cookie字符串
resp = requests.get(url, headers=headers, cookies=cookies_dict)print(resp.text)

cookieJar对象转换为cookies字典的方法

使用requests获取的resposne对象，具有cookies属性。该属性值是一个cookieJar类型，包含了对方服务器设置在本地的cookie。

1. 转换方法

   cookies_dict = requests.utils.dict_from_cookiejar(response.cookies)

2. 其中response.cookies返回的就是cookieJar类型的对象

3. requests.utils.dict_from_cookiejar函数返回cookies字典

3.4 超时参数timeout的使用

在爬虫中，一个请求很久没有结果，就会让整个项目的效率变得非常低，此时就需要对请求进行强制要求，让他必须在特定的时间内返回结果，否则就报错。

超时参数timeout

response = requests.get(url, timeout=3)

timeout=3表示：发送请求后，3秒钟内返回响应，否则就抛出异常

3.5 关于proxy代理

proxy代理参数通过指定代理ip，让代理ip对应的正向代理服务器转发我们发送的请求

 使用代理的过程

1. 代理ip是一个ip，指向的是一个代理服务器

2. 代理服务器能够帮我们向目标服务器转发请求

正向代理和反向代理的区别

1. 从发送请求的一方的角度，来区分正向或反向代理

2. 为浏览器或客户端（发送请求的一方）转发请求的，叫做正向代理

   ​​​​​​​浏览器知道最终处理请求的服务器的真实ip地址，例如VPN

3. 不为浏览器或客户端（发送请求的一方）转发请求、而是为最终处理请求的服务器转发请求的，叫做反向代理
   浏览器不知道服务器的真实地址，例如nginx

代理ip（代理服务器）的分类

1. 根据代理ip的匿名程度，代理IP可以分为下面三类：

   • 透明代理(Transparent Proxy)：透明代理虽然可以直接“隐藏”你的IP地址，但是还是可以查到你是谁。目标服务器接收到的请求头如下：

     REMOTE_ADDR = Proxy IP
     HTTP_VIA = Proxy IP
     HTTP_X_FORWARDED_FOR = Your IP

   • 匿名代理(Anonymous Proxy)：使用匿名代理，别人只能知道你用了代理，无法知道你是谁。目标服务器接收到的请求头如下：

     REMOTE_ADDR = proxy IP
     HTTP_VIA = proxy IP
     HTTP_X_FORWARDED_FOR = proxy IP

   • 高匿代理(Elite proxy或High Anonymity Proxy)：高匿代理让别人根本无法发现你是在用代理，所以是最好的选择。毫无疑问使用高匿代理效果最好。目标服务器接收到的请求头如下：

     REMOTE_ADDR = Proxy IP
     HTTP_VIA = not determined
     HTTP_X_FORWARDED_FOR = not determined

2. 根据网站所使用的协议不同，需要使用相应协议的代理服务。从代理服务请求使用的协议可以分为：

   • http代理：目标url为http协议

   • https代理：目标url为https协议

   • socks隧道代理（例如socks5代理）等：

     1. socks 代理只是简单地传递数据包，不关心是何种应用协议（FTP、HTTP和HTTPS等）。

     2. socks 代理比http、https代理耗时少。

     3. socks 代理可以转发http和https的请求

proxies代理参数的使用

为了让服务器以为不是同一个客户端在请求；

为了防止频繁向一个域名发送请求被封ip，所以我们需要使用代理ip；

proxies的形式：字典

proxies = {"http": "http://12.34.56.79:9527","https": "https://12.34.56.79:9527",
}response = requests.get(url, proxies=proxies)

注意：如果proxies字典中包含有多个键值对，发送请求时将按照url地址的协议来选择使用相应的代理ip

3.6 使用verify参数忽略CA证书

在使用浏览器上网的时候，有时看到这样的提示

 

• 原因：该网站的CA证书没有经过【受信任的根证书颁发机构】的认证

• 关于CA证书以及受信任的根证书颁发机构点击了解更多

为了在代码中能够正常的请求，使用verify=False参数，此时requests模块发送请求将不做CA证书的验证：verify参数能够忽略CA证书的认证

response = requests.get(url,verify=False)

四、requests模块发送post请求

1. 登录注册（ 在web工程师看来POST 比 GET 更安全，url地址中不会暴露用户的账号密码等信息）

2. 需要传输大文本内容的时候（ POST 请求对数据长度没有要求）

requests发送post请求的方法

• response = requests.post(url, data)

• data参数接收一个字典

• requests模块发送post请求函数的其它参数和发送get请求的参数完全一致

五、利用requests.session进行状态保持

requests模块中的Session类能够自动处理发送请求获取响应过程中产生的cookie，进而达到状态保持的目的。

作用及场景

• 自动处理cookie，即 下一次请求会带上前一次的cookie

• 自动处理连续的多次请求过程中产生的cookie

session = requests.session()  # 实例化session对象
response = session.get(url, headers, ...)
response = session.post(url, data, ...)

import requests
import re
​
​
# 构造请求头字典
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36',
}
​
# 实例化session对象
session = requests.session()
​
# 访问登陆页获取登陆请求所需参数
response = session.get('https://github.com/login', headers=headers)
authenticity_token = re.search('name="authenticity_token" value="(.*?)" />', response.text).group(1) # 使用正则获取登陆请求所需参数
​
# 构造登陆请求参数字典
data = {'commit': 'Sign in', # 固定值'utf8': '✓', # 固定值'authenticity_token': authenticity_token, # 该参数在登陆页的响应内容中'login': input('输入github账号：'),'password': input('输入github账号：')
}
​
# 发送登陆请求（无需关注本次请求的响应）
session.post('https://github.com/session', headers=headers, data=data)
​
# 打印需要登陆后才能访问的页面
response = session.get('https://github.com/1596930226', headers=headers)
print(response.text)