requests是Python的一个HTTP客户端库，跟urllib，urllib2类似，那为什么要用requests而不用urllib2呢？
官方文档中是这样说明的：
python的标准库urllib2提供了大部分需要的HTTP功能，但是API太逆天了，一个简单的功能就需要一大堆代码。
插播个好消息！刚看到requests有了中文翻译版，建议英文不好的看看，内容也比我的博客好多了，
具体链接是：http://cn.python-requests.org/en/latest/(不过是v1.1.0版，另抱歉，之前贴错链接了)。
1. 安装
安装很简单，我是win系统，就在这里下载了安装包（网页中download the zipball处链接），然后$ python setup.py install就装好了。
当然，有easy_install或pip的朋友可以直接使用：easy_install requests或者pip install requests来安装。
至于linux用户，这个页面还有其他安装方法。
测试：在IDLE中输入import requests，如果没提示错误，那说明已经安装成功了！
2. 小试牛刀
>>>import requests >>> r = requests.get('http://www.zhidaow.com') # 发送请求 >>> r.status_code # 返回码 200 >>> r.headers['content-type'] # 返回头部信息 'text/html; charset=utf8' >>> r.encoding # 编码信息 'utf-8' >>> r.text #内容部分（PS，由于编码问题，建议这里使用r.content） u'<!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"...' ...
3. 快速指南
3.1 发送请求，
# 发送请求很简单的，首先要导入requests模块：
>>>import requests
# 接下来让我们获取一个网页，例如我个人博客的首页：
>>>r = requests.get('http://www.zhidaow.com')
# 接下来，我们就可以使用这个r的各种方法和函数了。 # 另外，HTTP请求还有很多类型，比如POST,PUT,DELETE,HEAD,OPTIONS。
# 也都可以用同样的方式实现：
>>> 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")
3.2 在URLs中传递参数
有时候我们需要在URL中传递参数，比如在采集百度搜索结果时，我们wd参数（搜索词）和rn参数（搜素结果数量），
你可以手工组成URL，requests也提供了一种看起来很NB的方法：
>>> payload = {'wd': '张亚楠', '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=的乱码就是“张亚楠”的转码形式。（好像参数按照首字母进行了排序。）
3.3 获取响应内容
可以通过r.text来获取网页的内容。
>>> r = requests.get('https://www.zhidaow.com') >>> r.text u'<!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"...'
文档里说，requests会自动将内容转码。大多数unicode字体都会无缝转码。
但我在cygwin下使用时老是出现UnicodeEncodeError错误，郁闷。倒是在python的IDLE中完全正常。
另外，还可以通过r.content来获取页面内容。
>>> r = requests.get('https://www.zhidaow.com') >>> r.content b'<!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"...'
文档中说r.content是以字节的方式去显示，所以在IDLE中以b开头。但我在cygwin中用起来并没有，
下载网页正好。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个功能。）
3.4 获取网页编码
可以使用r.encoding来获取网页编码。
>>> r = requests.get('http://www.zhidaow.com') >>> r.encoding 'utf-8'
当你发送请求时，requests会根据HTTP头部来猜测网页编码，当你使用r.text时，requests就会使用这个编码。当然你还可以修改requests的编码形式。
>>> r = requests.get('http://www.zhidaow.com') >>> r.encoding 'utf-8' >>>r.encoding = 'ISO-8859-1'
像上面的例子，对encoding修改后就直接会用修改后的编码去获取网页内容
3.5 json
像urllib和urllib2，如果用到json，就要引入新模块，如json和simplejson，但在requests中已经有了内置的函数，r.json()。就拿查询IP的API来说：
>>>r = requests.get('http://ip.taobao.com/service/getIpInfo.php?ip=122.88.60.28') >>>r.json()['data']['country'] '中国'
3.6 网页状态码
我们可以用r.status_code来检查网页的状态码
>>>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
前两个例子很正常，能正常打开的返回200，不能正常打开的返回404。但第三个就有点奇怪了，
那个是百度搜索结果中的302跳转地址，但状态码显示是200，接下来我用了一招让他原形毕露：
>>>r.history
(<Response [302]>,)
这里能看出他是使用了302跳转。也许有人认为这样可以通过判断和正则来获取跳转的状态码了，其实还有个更简单的方法：
>>>r = requests.get('http://www.baidu.com/link?url=QeTRFOS7TuUQRppa0wlTJJr6FfIYI1DJprJukx4Qy0XnsDO_s9baoO8u1wvjxgqN', allow_redirects = False) >>>r.status_code 302
只要加上一个参数allow_redirects，禁止了跳转，就直接出现跳转的状态码了，好用吧？
我也利用这个在最后一掌做了个简单的获取网页状态码的小应用，原理就是这个
3.7 响应头内容
可以通过r.headers来获取响应头内容。
>>>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内容，我们也可以访问部分内容。
>>> r.headers['Content-Type'] 'text/html; charset=utf-8' >>> r.headers.get('content-type') 'text/html; charset=utf-8'
3.8 设置超时时间
我们可以通过timeout属性设置超时时间，一旦超过这个时间还没获得响应内容，就会提示错误。
>>> 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)
3.9 代理访问
采集时为避免被封IP，经常会使用代理。requests也有相应的proxies属性。
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)
如果代理需要账户和密码，则需这样：
proxies = { "http": "http://user:pass@10.10.1.10:3128/", }
3.10 请求头内容
请求头内容可以用r.request.headers来获取。
>>> r.request.headers {'Accept-Encoding': 'identity, deflate, compress, gzip', 'Accept': '*/*', 'User-Agent': 'python-requests/1.2.3 CPython/2.7.3 Windows/XP'}
3.11 自定义请求头部
伪装请求头部是采集时经常用的，我们可以用这个方法来隐藏：
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
3.12 持久连接keep-alive
requests的keep-alive是基于urllib3，同一会话内的持久连接完全是自动的。同一会话内的所有请求都会自动使用恰当的连接。
也就是说，你无需任何设置，requests会自动实现keep-alive。
4. 简单应用
4.1 获取网页返回码
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
4.2 例子
#!/bin/env python #-*- encoding=utf8 -*- import hashlib import time import requests import json SCRET = '' # 签名密钥 API_KEY = '' # 签名的key
def post(): headers = { 'User-Agent': 'Web Client/1.0.0', 'Content-Type': 'application/json' } data = {} data['apikey'] = API_KEY data['timestamp'] = str(time.time()) data['mobile'] = 'xxxx'
# ----- 签名 start -------- # # to_sign = ''.join(['%s%s' % (each_key, data[each_key]) for each_key in sorted(data.keys())]) # to_sign = SCRET + to_sign + SCRET # sign = hashlib.md5(to_sign).hexdigest() # data['sign'] = sign.upper() # --------- end -----------#
url = "http://www.xxxxx.com" body = json.dumps(data, ensure_ascii=False, encoding='utf8').encode('utf8') r = requests.post(url, data=body, headers=headers) response = json.loads(r.text) print json.dumps(response, ensure_ascii=False, encoding='utf8') if __name__ == '__main__': post()