python網絡爬蟲基礎教程（Python3網絡爬蟲中的requests高級用法詳解）

2023-04-15 22:14:40 1

本節我們再來了解下 Requests 的一些高級用法，如文件上傳，代理設置，Cookies 設置等等。

1. 文件上傳

我們知道 Reqeuests 可以模擬提交一些數據，假如有的網站需要我們上傳文件，我們同樣可以利用它來上傳，實現非常簡單，實例如下：

import requestsfiles = {'file': open('favicon.ico', 'rb')}r = requests.post('http://httpbin.org/post', files=files)print(r.text)

在上面一節中我們下載保存了一個文件叫做 favicon.ico，這次我們用它為例來模擬文件上傳的過程。需要注意的是，favicon.ico 這個文件需要和當前腳本在同一目錄下。如果有其它文件，當然也可以使用其它文件來上傳，更改下名稱即可。

運行結果如下：

{ "args": {}, "data": "", "files": { "file": "data:application/octet-stream;base64,AAAAAA...=" }, "form": {}, "headers": { "Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Content-Length": "6665", "Content-Type": "multipart/form-data; boundary=809f80b1a2974132b133ade1a8e8e058", "Host": "httpbin.org", "User-Agent": "python-requests/2.10.0" }, "json": null, "origin": "60.207.237.16", "url": "http://httpbin.org/post"}

以上部分內容省略，這個網站會返回一個 Response，裡面包含 files 這個欄位，而 form 是空的，這證明文件上傳部分會單獨有一個 files 欄位來標識。

2. Cookies

在前面我們使用了 Urllib 處理過 Cookies，寫法比較複雜，而有了 Requests，獲取和設置 Cookies 只需要一步即可完成。

我們先用一個實例感受一下獲取 Cookies 的過程：

import requestsr = requests.get('https://www.baidu.com')print(r.Cookies)for key, value in r.cookies.items: print(key '=' value)

運行結果如下：

『'『

<RequestsCookieJar[]>

BDORZ=27315

這裡可以替換成你自己的 Cookies，將其設置到 Headers 裡面，發送 Request，示例如下：

import requests headers = { 'Cookie': 'q_c1=31653b264a074fc9a57816d1ea93ed8b|1474273938000|1474273938000;;;z_c0=Mi4wQUFDQWZid2RBQUFBWU1DemJuaVFDaGNBQUFCaEFsVk5EZ1VKV0FEZnJTNnp3RUNTWE10ZzBRZFIzcVNZZTFGQmZn|1474887858|64b4d4234a21de774c42c837fe0b672fdb5763b0', 'Host': 'www.zhihu.com', 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.116 Safari/537.36',}r = requests.get('https://www.zhihu.com', headers=headers)print(r.text)

發現結果中包含了登錄後的結果，如下圖所示：

運行結果證明登錄成功。

當然也可以通過 cookies 參數來設置，不過這樣就需要構造 RequestsCookieJar 對象，而且需要分割一下 Cookies ，相對繁瑣，不過效果是相同的，實例如下：

import requests cookies = 'q_c1=31653b264a074fc9a57816d1ea93ed8b|1474273938000|1474273938000;;;z_c0=Mi4wQUFDQWZid2RBQUFBWU1DemJuaVFDaGNBQUFCaEFsVk5EZ1VKV0FEZnJTNnp3RUNTWE10ZzBRZFIzcVNZZTFGQmZn|1474887858|64b4d4234a21de774c42c837fe0b672fdb5763b0'jar = requests.cookies.RequestsCookieJarheaders = { 'Host': 'www.zhihu.com', 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.116 Safari/537.36'}for cookie in cookies.split(';'): key, value = cookie.split('=', 1) jar.set(key, value)r = requests.get('http://www.zhihu.com', cookies=jar, headers=headers)print(r.text)

上面我們首先新建了一個 RequestCookieJar 對象，然後將複製下來的 Cookies 利用 split 方法分割，利用 set 方法設置好每一個 Cookie 的 key 和 value，然後通過調用 Requests 的 get 方法並傳遞給 cookies 參數即可，當然由於知乎本身的限制， headers 參數也不能少，只不過不需要在原來的 headers 參數裡面設置 Cookie 欄位了。

測試後，發現同樣可以正常登錄知乎。

3. 會話維持

在 Requests 中，我們如果直接利用 get 或 post 等方法的確可以做到模擬網頁的請求。但是這實際上是相當於不同的會話，即不同的 Session，也就是說相當於你用了兩個瀏覽器打開了不同的頁面。

設想這樣一個場景，我們第一個請求利用了 post 方法登錄了某個網站，第二次想獲取成功登錄後的自己的個人信息，你又用了一次 get 方法去請求個人信息頁面。實際上，這相當於打開了兩個瀏覽器，是兩個完全不相關的會話，能成功獲取個人信息嗎？那當然不能。

有小夥伴可能就說了，我在兩次請求的時候都設置好一樣的 Cookies 不就行了？可以，但這樣做起來還是顯得很繁瑣，我們還有更簡單的解決方法。

其實解決這個問題的主要方法就是維持同一個會話，也就是相當於打開一個新的瀏覽器選項卡而不是新開一個瀏覽器。但是我又不想每次設置 Cookies，那該怎麼辦？這時候就有了新的利器 Session對象。

利用它，我們可以方便地維護一個會話，而且不用擔心 Cookies 的問題，它會幫我們自動處理好。

下面用一個實例來感受一下：

import requests requests.get('http://httpbin.org/cookies/set/number/123456789')r = requests.get('http://httpbin.org/cookies')print(r.text)

在實例中我們請求了一個測試網址： http://httpbin.org/cookies/se... ，請求這個網址我們可以設置一個 Cookie，名稱叫做 number，內容是 123456789，隨後又請求了 http://httpbin.org/cookies ，此網址可以獲取當前的 Cookies。

這樣能成功獲取到設置的 Cookies 嗎？試試看。

運行結果如下：

{ "cookies": {}}

並不行。我們再用 Session 試試看：

import requests s = requests.Sessions.get('http://httpbin.org/cookies/set/number/123456789')r = s.get('http://httpbin.org/cookies')print(r.text)

看下運行結果：

{ "cookies": { "number": "123456789" }}

成功獲取！這下能體會到同一個會話和不同會話的區別了吧？

所以，利用 Session 我們可以做到模擬同一個會話，而且不用擔心 Cookies 的問題，通常用於模擬登錄成功之後再進行下一步的操作。

Session 在平常用到的非常廣泛，可以用於模擬在一個瀏覽器中打開同一站點的不同頁面，在後文會有專門的章節來講解這部分內容。

4. SSL證書驗證

Requests 提供了證書驗證的功能，當發送 HTTP 請求的時候，它會檢查 SSL 證書，我們可以使用 verify 這個參數來控制是否檢查此證書，其實如果不加的話默認是 True，會自動驗證。

在前面我們提到過 12306 的證書實際上是不被官方認可的，會出現證書驗證錯誤的結果，我們現在訪問它都可以看到一個證書問題的頁面，如下圖所示：

出現錯誤頁面

現在我們用 Requests 來測試一下：

import requestsresponse = requests.get('https://www.12306.cn')print(response.status_code)

運行結果如下：

requests.exceptions.SSLError: ("bad handshake: Error([('SSL routines', 'tls_process_server_certificate', 'certificate verify failed')],)",)

提示一個錯誤，叫做 SSLError，證書驗證錯誤。所以如果我們請求一個 HTTPS 站點，但是證書驗證錯誤的頁面時，就會報這樣的錯誤，那麼如何避免這個錯誤呢？很簡單，把 verify 這個參數設置為 False 即可。

改成如下代碼：

import requestsresponse = requests.get('https://www.12306.cn', verify=False)print(response.status_code)

這樣，就會列印出請求成功的狀態碼。

/usr/local/lib/python3.6/site-packages/urllib3/connectionpool.py:852: InsecureRequestWarning: Unverified HTTPS request is being made. Adding certificate verification is strongly advised. See: https://urllib3.readthedocs.io/en/latest/advanced-usage.html#ssl-warnings InsecureRequestWarning)200

不過發現報了一個警告，它提示建議讓我們給它指定證書。

我們可以通過設置忽略警告的方式來屏蔽這個警告：

import requestsfrom requests.packages import urllib3urllib3.disable_warningsresponse = requests.get('https://www.12306.cn', verify=False)print(response.status_code)

或者通過捕獲警告到日誌的方式忽略警告：

import loggingimport requestslogging.captureWarnings(True)response = requests.get('https://www.12306.cn', verify=False)print(response.status_code)

當然我們也可以指定一個本地證書用作客戶端證書，可以是單個文件（包含密鑰和證書）或一個包含兩個文件路徑的元組。

import requestsresponse = requests.get('https://www.12306.cn', cert=('/path/server.crt', '/path/key'))print(response.status_code)

當然上面代碼是實例，我們需要有 crt 和 key 文件，指定它們的路徑。注意本地私有證書的 key 必須要是解密狀態，加密狀態的 key 是不支持的。

5. 代理設置

對於某些網站，在測試的時候請求幾次，能正常獲取內容。但是一旦開始大規模爬取，對於大規模且頻繁的請求，網站可能會直接登錄驗證，驗證碼，甚至直接把IP給封禁掉。

那麼為了防止這種情況的發生，我們就需要設置代理來解決這個問題，在 Requests 中需要用到 proxies 這個參數。

可以用這樣的方式設置：

import requestsproxies = { 'http': 'http://10.10.1.10:3128', 'https': 'http://10.10.1.10:1080',}requests.get('https://www.taobao.com', proxies=proxies)

當然直接運行這個實例可能不行，因為這個代理可能是無效的，請換成自己的有效代理試驗一下。

若代理需要使用 HTTP Basic Auth，可以使用類似 http://user :password@host:port 這樣的語法來設置代理。

實例如下：

import requestsproxies = { 'https': 'http://user:[email protected]:3128/',}requests.get('https://www.taobao.com', proxies=proxies)

除了基本的 HTTP 代理，Requests 還支持 SOCKS 協議的代理。

首先需要安裝 Socks 這個庫，命令如下：

pip3 install "requests[socks]"

然後就可以使用 SOCKS 協議代理了，實例如下：

import requestsproxies = { 'http': 'socks5://user:password@host:port', 'https': 'socks5://user:password@host:port'}requests.get('https://www.taobao.com', proxies=proxies)

6. 超時設置

在本機網絡狀況不好或者伺服器網絡響應太慢甚至無響應時，我們可能會等待特別久的時間才可能會收到一個響應，甚至到最後收不到響應而報錯。為了防止伺服器不能及時響應，我們應該設置一個超時時間，即超過了這個時間還沒有得到響應，那就報錯。

設置超時時間需要用到 timeout 參數。這個時間的計算是發出 Request 到伺服器返回 Response 的時間。

下面用一個實例來感受一下：

import requestsr = requests.get('https://www.taobao.com', timeout=1)print(r.status_code)

通過這樣的方式，我們可以將超時時間設置為 1 秒，如果 1 秒內沒有響應，那就拋出異常。

實際上請求分為兩個階段，即 connect（連接）和 read（讀取）。

上面的設置 timeout 值將會用作 connect 和 read 二者的 timeout 總和。

如果要分別指定，就可以傳入一個元組：

r = requests.get('https://www.taobao.com', timeout=(5, 11))

如果想永久等待，那麼我們可以直接將 timeout 設置為 None，或者不設置直接留空，因為默認是 None。這樣的話，如果伺服器還在運行，但是響應特別慢，那就慢慢等吧，它永遠不會返回超時錯誤的。

用法如下：

r = requests.get('https://www.taobao.com', timeout=None)

或直接不加參數：

r = requests.get('https://www.taobao.com')

7. 身份認證

在訪問網站時，我們可能會遇到這樣的認證頁面，如下圖所示：

認證頁面

如果遇到這樣的網站驗證，可以使用 Requests 自帶的身份認證功能，實例如下：

import requestsfrom requests.auth import HTTPBasicAuthr = requests.get('http://localhost:5000', auth=HTTPBasicAuth('username', 'password'))print(r.status_code)

如果用戶名和密碼正確的話，請求時就會自動認證成功，會返回 200 狀態碼，如果認證失敗，則會返回 401 狀態碼。

當然如果參數都傳一個 HTTPBasicAuth 類，就顯得有點繁瑣了，所以 Requests 提供了一個更簡單的寫法，可以直接傳一個元組，它會默認使用 HTTPBasicAuth 這個類來認證。

所以上面的代碼可以直接簡寫如下：

import requestsr = requests.get('http://localhost:5000', auth=('username', 'password'))print(r.status_code)

運行效果和上面的是一樣的。

Requests 還提供了其他的認證方式，如 OAuth 認證，不過需要安裝 oauth 包，命令如下：

pip3 install requests_oauthlib

使用 OAuth1 認證的方法如下：

import requestsfrom requests_oauthlib import OAuth1url = 'https://api.twitter.com/1.1/account/verify_credentials.json'auth = OAuth1('YOUR_APP_KEY', 'YOUR_APP_SECRET', 'USER_OAUTH_TOKEN', 'USER_OAUTH_TOKEN_SECRET')requests.get(url, auth=auth)

更多詳細的功能就可以參考 requests_oauthlib 的官方文檔： https://requests-oauthlib.rea... ，在此就不再贅述了。

8. Prepared Request

在前面介紹 Urllib 時我們可以將 Request 表示為一個數據結構，Request 的各個參數都可以通過一個 Request 對象來表示，在 Requests 裡面同樣可以做到，這個數據結構就叫 Prepared Request。

我們用一個實例感受一下：

from requests import Request, Session url = 'http://httpbin.org/post'data = { 'name': 'germey'}headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.116 Safari/537.36'}s = Sessionreq = Request('POST', url, data=data, headers=headers)prepped = s.prepare_request(req)r = s.send(prepped)print(r.text)

在這裡我們引入了 Request，然後用 url、data、headers 參數構造了一個 Request 對象，這時我們需要再調用 Session 的 prepare_request 方法將其轉換為一個 Prepared Request 對象，然後調用 send 方法發送即可，運行結果如下：

{ "args": {}, "data": "", "files": {}, "form": { "name": "germey" }, "headers": { "Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Connection": "close", "Content-Length": "11", "Content-Type": "application/x-www-form-urlencoded", "Host": "httpbin.org", "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.116 Safari/537.36" }, "json": null, "origin": "182.32.203.166", "url": "http://httpbin.org/post"}

可以看到我們達到了同樣的 POST 請求效果。

有了 Request 這個對象，我們就可以將一個個請求當做一個獨立的對象來看待，這樣在進行隊列調度的時候會非常方便，後面我們會有一節使用它來構造一個 Request 隊列。

9. 結語

本節講解了 Requests 的一些高級用法，這些用法在後面實戰部分會經常用到，需要熟練掌握。

以上就是小編所分享的內容，喜歡的話可以加個關注，希望能夠幫助到大家。

最後，這裡由我自己整理了一套最新的python系統學習教程，從基礎到實戰，內容的實用性都很高，可以免費送給大家，需要這些資料的可以關注並在後臺私信小編：「01」即可領取。

,