requests
Requests唯一一个非转基因的Python HTTP库,人类就可以安全享用。
Python标准库中提供了:urllib、urllib2、httplib等模块以供Http请求,但是,它的 API 太渣了。它是为另一个时代、另一个互联网所创建的。它需要巨量的工作,甚至包括各种方法覆盖,来完成最简单的任务。
Requests 是使用 Apache2 Licensed 许可证的 基于Python开发的HTTP 库,其在Python内置模块的基础上进行了高度的封装,从而使得Pythoner进行网络请求时,变得美好了许多,使用Requests可以轻而易举的完成浏览器可有的任何操作。
首先我们先看一下GET请求和POST请求的区别
GET请求
# 1、无参数实例 import requests ret = requests.get('https://github.com/timeline.json') print ret.url print ret.text # 2、有参数实例 import requests payload = {'key1': 'value1', 'key2': 'value2'} ret = requests.get("http://httpbin.org/get", params=payload) print ret.url print ret.text
POST请求
1、基本POST实例 import requests payload = {'key1': 'value1', 'key2': 'value2'} ret = requests.post("http://httpbin.org/post", data=payload) print ret.text # 2、发送请求头和数据实例 import requests import json url = 'https://api.github.com/some/endpoint' payload = {'some': 'data'} headers = {'content-type': 'application/json'} ret = requests.post(url, data=json.dumps(payload), headers=headers) print ret.text print ret.cookies
对于其他请求也是同样的道理
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") # r 则是response对象,我们可以从r 中获取我们想要的数据
响应内容
Requests 会自动解码来自服务器的内容。大多数 unicode 字符集都能被无缝地解码。
请求发出后,Requests 会基于 HTTP 头部对响应的编码作出有根据的推测。当你访问 r.text
之时,Requests 会使用其推测的文本编码。你可以找出 Requests 使用了什么编码,并且能够使用r.encoding
属性来改变它
>>> r.encoding 'utf-8' >>> r.encoding = 'ISO-8859-1'
如果你改变了编码,每当你访问 r.text
,Request 都将会使用 r.encoding
的新值。你可能希望在使用特殊逻辑计算出文本的编码的情况下来修改编码。比如 HTTP 和 XML 自身可以指定编码。这样的话,你应该使用 r.content
来找到编码,然后设置 r.encoding
为相应的编码。这样就能使用正确的编码解析 r.text
了。
如果你想获取原始的响应内容的话,你可以这样做
>>> r = requests.get('https://github.com/timeline.json', stream=True) >>> r.raw <requests.packages.urllib3.response.HTTPResponse object at 0x101194810> >>> r.raw.read(10) 'x1fx8bx08x00x00x00x00x00x00x03'
这样做了之后想要保存到本地,就不能按之前的保存方式来做了
with open(filename, 'wb') as fd: for chunk in r.iter_content(chunk_size): fd.write(chunk)
响应状态吗
我们可以检测响应状态吗
>>> r = requests.get('http://httpbin.org/get') >>> r.status_code 200
为方便引用,Requests还附带了一个内置的状态码查询对象
>>> r.status_code == requests.codes.ok True
如果发送了一个错误请求(一个 4XX 客户端错误,或者 5XX 服务器错误响应),我们可以通过Response.raise_for_status()
来抛出异常
>>> bad_r = requests.get('http://httpbin.org/status/404') >>> bad_r.status_code 404 >>> bad_r.raise_for_status() Traceback (most recent call last): File "requests/models.py", line 832, in raise_for_status raise http_error requests.exceptions.HTTPError: 404 Client Error
重定向和请求历史
默认情况下,除了 HEAD, Requests 会自动处理所有重定向。
可以使用响应对象的 history 方法来追踪重定向。
Response.history 是一个 Response 对象的列表,为了完成请求而创建了这些对象。这个对象列表按照从最老到最近的请求进行排序。
例如,Github 将所有的 HTTP 请求重定向到 HTTPS:
>>> r = requests.get('http://github.com') >>> r.url 'https://github.com/' >>> r.status_code 200 >>> r.history [<Response [301]>]
如果你使用的是GET、OPTIONS、POST、PUT、PATCH 或者 DELETE,那么你可以通过allow_redirects
参数禁用重定向处理
>>> r = requests.get('http://github.com', allow_redirects=False) >>> r.status_code 301 >>> r.history []
如果你使用了 HEAD,你也可以启用重定向
>>> r = requests.head('http://github.com', allow_redirects=True) >>> r.url 'https://github.com/' >>> r.history [<Response [301]>]
超时
requests.get('http://github.com', timeout=0.001)
不过我们需要特别注意的是:
timeout 仅对连接过程有效,与响应体的下载无关。 timeout 并不是整个下载响应的时间限制,而是如果服务器在 timeout 秒内没有应答,将会引发一个异常(更精确地说,是在 timeout 秒内没有从基础套接字上接收到任何字节的数据时)
下面就根据 Requests对几个常用的网站进行简单的登陆实验
自动登陆示例
这里我们会用到BeautifulSoup模块,我们需要另外安装
#__author__:Administrator #date:2017/2/10 import re import json import base64 import rsa import requests def js_encrypt(text): b64der = 'MIGfMA0GCSqGSIb3DQEBAQUAA4GNADCBiQKBgQCp0wHYbg/NOPO3nzMD3dndwS0MccuMeXCHgVlGOoYyFwLdS24Im2e7YyhB0wrUsyYf0/nhzCzBK8ZC9eCWqd0aHbdgOQT6CuFQBMjbyGYvlVYU2ZP7kG9Ft6YV6oc9ambuO7nPZh+bvXH0zDKfi02prknrScAKC0XhadTHT3Al0QIDAQAB' der = base64.standard_b64decode(b64der) pk = rsa.PublicKey.load_pkcs1_openssl_der(der) v1 = rsa.encrypt(bytes(text, 'utf8'), pk) value = base64.encodebytes(v1).replace(b' ', b'') value = value.decode('utf8') return value session = requests.Session() i1 = session.get('https://passport.cnblogs.com/user/signin') rep = re.compile("'VerificationToken': '(.*)'") v = re.search(rep, i1.text) verification_token = v.group(1) form_data = { 'input1': js_encrypt('用户名'), 'input2': js_encrypt('密码'), 'remember': False } i2 = session.post(url='https://passport.cnblogs.com/user/signin', data=json.dumps(form_data), headers={ 'Content-Type': 'application/json; charset=UTF-8', 'X-Requested-With': 'XMLHttpRequest', 'VerificationToken': verification_token} ) i3 = session.get(url='https://i.cnblogs.com/EditDiary.aspx') print(i3.text)
#__author__:Administrator #date:2017/2/10 import requests from bs4 import BeautifulSoup from bs4.element import Tag # 访问登陆url,获得authenticity_token response = requests.get(url='https://github.com/login') soup = BeautifulSoup(response.text,features='lxml') tag = soup.find(name='input',attrs={'name':'authenticity_token'}) # 获得input标签 authenticity_token = tag.get('value') # 获得authenticity_token: r1 = response.cookies.get_dict() # 获得cookie # 携带用户信息和authenticity_token去访问 form_data = { 'commit': 'Sign in', 'utf8': '✓', 'authenticity_token': authenticity_token, 'login': '用户名', 'password': '密码' } response2 = requests.post( url='https://github.com/session', data=form_data, cookies=r1 ) r2 = response2.cookies.get_dict() # 获得第二次的cookie r1.update(r2) # 携带cookies登陆 response3 = requests.get( url='https://github.com/settings/repositories', cookies=r1 ) soup3 = BeautifulSoup(response3.text,features='lxml') tag = soup3.find(name='div',class_='listgroup') print(Tag) for children in tag.children: if isinstance(children,Tag): project_tag = children.find(name='a', class_='mr-1') size_tag = children.find(name='small') temp = "项目:%s(%s); 项目路径:%s" % (project_tag.get('href'), size_tag.string, project_tag.string, ) print(temp)
#__author__:Administrator #date:2017/2/9 import requests # 首先登陆任何界面获得cookie response1 = requests.get( url="http://dig.chouti.com/help/service", ) c1 = response1.cookies.get_dict() # 用户登陆,携带上一次的cookie,后台对cookie中的 gpsd 进行授权 form_data = { 'phone':'86手机号', 'password':'密码', 'oneMonth':1 } response2 = requests.post( url='http://dig.chouti.com/login', data=form_data, cookies=c1 ) gpsd = c1['gpsd'] # 点赞(只需要携带已经被授权的gpsd即可) response3 = requests.post( url='http://dig.chouti.com/link/vote?linksId=10256811', cookies={ 'gpsd': gpsd } ) print(response3.text)
#__author__:Administrator #date:2017/2/10 import hashlib import requests import re def md5_pwd(pwd): # md5 加密 m = hashlib.md5() m.update(pwd.encode('utf8')) new_pwd = m.hexdigest() return new_pwd # r1 = requests.get(url='https://mp.weixin.qq.com/') # c1 = r1.cookies.get_dict() # print(c1) form_data={ 'username':'用户名', 'pwd':md5_pwd('密码'), 'imgcode':'', 'f':'json' } # print(form_data['pwd']) r2 = requests.post( url='https://mp.weixin.qq.com/cgi-bin/bizlogin', params={'action': 'startlogin'}, data=form_data, # cookies=c1, headers={ 'Referer': 'https://mp.weixin.qq.com/', # 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36' } ) c2 = r2.cookies.get_dict() resp_text = r2.text print(resp_text) token = re.findall(".*token=(d+)", resp_text)[0] print(token) # print(c2) res_user_list = requests.get( url="https://mp.weixin.qq.com/cgi-bin/user_tag", params={"action": "get_all_data", "lang": "zh_CN", "token": token}, cookies=c2, headers={'Referer': 'https://mp.weixin.qq.com/cgi-bin/login?lang=zh_CN'} ) user_info = res_user_list.text # print(user_info)
#__author__:Administrator #date:2017/2/10 import requests from bs4 import BeautifulSoup import time # 访问登陆界面 session = requests.session() r1 = session.get( url='https://www.zhihu.com/', headers={ 'Referer':'https://www.zhihu.com/', 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.71 Safari/537.36' } ) soup1 = BeautifulSoup(r1.text,features='lxml') tag = soup1.find(name='input',attrs={'name':'_xsrf'}) # 找到input标签,获得xsrf xsrf = tag.get('value') print(xsrf) # 获得验证图片 r = time.time() r2 = session.get( url='https://www.zhihu.com/captcha.gif', params={'r':r,'type':'login','lang':'cn'}, # r表示时间 headers={ 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.71 Safari/537.36' } ) with open('zhihu.gif','wb') as f: f.write(r2.content) # r2.content获得是二进制格式,进行读写到本地 # 携带验证码和form_data去登陆 zhihu_gif = input('请输入本地验证码图片>>>>>') form_data ={ '_xsrf':xsrf, 'password':'密码', 'captcha':zhihu_gif, 'email':'用户名', } print(form_data['captcha']) r3 = session.post( url='https://www.zhihu.com/login/email', data=form_data, headers={ 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.71 Safari/537.36' } ) # print(eval(r3.text)) r4 = session.get( url='https://www.zhihu.com/settings/profile', headers={ 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.71 Safari/537.36' } ) soup4 = BeautifulSoup(r4.text,features='lxml') # 找到登陆后的html print(soup4.text) tag4 = soup4.find_all(name='span') print(tag4) # nick_name = tag4.find('span',class_='name').string # print(nick_name)