摘要：上一篇文章网络爬虫实战使用分析协议下一篇文章在前面一节我们了解了的基本用法，但是其中确实有不方便的地方。发送之后，得到的自然就是，在上面的实例中我们使用了和获取了内容，不过还有很多属性和方法可以获取其他的信息，比如状态码等信息。
上一篇文章：Python3网络爬虫实战---23、使用Urllib：分析Robots协议
下一篇文章：
在前面一节我们了解了 Urllib 的基本用法，但是其中确实有不方便的地方。比如处理网页验证、处理 Cookies 等等，需要写 Opener、Handler 来进行处理。为了更加方便地实现这些操作，在这里就有了更为强大的库 Requests，有了它，Cookies、登录验证、代理设置等等的操作都不是事儿。
那么接下来就让我们来领略一下它的强大之处吧。
1 基本使用本节我们首先来了解下 Requests 库的基本使用方法。
1. 准备工作在本节开始之前请确保已经正确安装好了 Requests 库，如果没有安装可以参考第一章的安装说明。
2. 实例引入在 Urllib 库中有 urlopen() 的方法，实际上它是以 GET 方式请求了一个网页。
那么在 Requests 中，相应的方法就是 get() 方法，是不是感觉表达更明确一些？
下面我们用一个实例来感受一下：
import requests
r=requests.get("http://httpbin.org/get")
print(type(r),r.status_code,type(r.text),r.text,type(r.cookies),r.cookies,sep="
")
运行结果如下：
200 { "args": {}, "headers": { "Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Host": "httpbin.org", "User-Agent": "python-requests/2.21.0" }, "origin": "114.253.118.8, 114.253.118.8", "url": "https://httpbin.org/get" }
上面的例子中我们调用 get() 方法即可实现和 urlopen() 相同的操作，得到一个 Response 对象，然后分别输出了 Response 的类型，Status Code，Response Body 的类型、内容还有 Cookies。
通过上述实例可以发现，它的返回类型是 requests.models.Response，Response Body 的类型是字符串 str，Cookies 的类型是 RequestsCookieJar。
使用了 get() 方法就成功实现了一个 GET 请求，但这倒不算什么，更方便的在于其他的请求类型依然可以用一句话来完成。
用一个实例来感受一下：
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")
在这里分别用 post()、put()、delete() 等方法实现了 POST、PUT、DELETE 等请求，怎么样？是不是比 Urllib 简单太多了？
其实这只是冰山一角，更多的还在后面。
HTTP 中最常见的请求之一就是 GET 请求，我们首先来详细了解下利用 Requests 来构建 GET 请求的方法以及相关属性方法操作。
基本实例首先让我们来构建一个最简单的 GET 请求，请求的链接为：http://httpbin.org/get，它会判断如果如果是 GET 请求的话，会返回响应的 Request 信息。
import requests
r = requests.get("http://httpbin.org/get")
print(r.text)
运行结果如下：
{
"args": {},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.10.0"
},
"origin": "122.4.215.33",
"url": "http://httpbin.org/get"
}
可以发现我们成功发起了 GET 请求，返回的结果中包含了 Request Headers、URL、IP 等信息。
那么 GET 请求，如果要附加额外的信息一般是怎样来添加？比如现在我想添加两个参数，名字 name 是 germey，年龄 age 是 22。构造这个请求链接是不是我们要直接写成：
r = requests.get("http://httpbin.org/get?name=g...;age=22")
可以是可以，但是不觉得很不人性化吗？一般的这种信息数据我们会用字典来存储，那么怎样来构造这个链接呢？
同样很简单，利用 params 这个参数就好了。
实例如下：
import requests
data = {
"name": "germey",
"age": 22
}
r = requests.get("http://httpbin.org/get", params=data)
print(r.text)
运行结果如下：
{
"args": {
"age": "22",
"name": "germey"
},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.10.0"
},
"origin": "122.4.215.33",
"url": "http://httpbin.org/get?age=22&name=germey"
}
通过返回信息我们可以判断，请求的链接自动被构造成了：http://httpbin.org/get?age=22...;name=germey。
另外，网页的返回类型实际上是 str 类型，但是它很特殊，是 Json 的格式，所以如果我们想直接把返回结果解析，得到一个字典格式的话，可以直接调用 json() 方法。
用一个实例来感受一下：
import requests
r = requests.get("http://httpbin.org/get")
print(type(r.text))
print(r.json())
print(type(r.json()))
运行结果如下：
{"headers": {"Accept-Encoding": "gzip, deflate", "Accept": "/", "Host": "httpbin.org", "User-Agent": "python-requests/2.10.0"}, "url": "http://httpbin.org/get", "args": {}, "origin": "182.33.248.131"}
可以发现，调用 json() 方法，就可以将返回结果是 Json 格式的字符串转化为字典。
但注意，如果返回结果不是 Json 格式，便会出现解析错误，抛出 json.decoder.JSONDecodeError 的异常。
如上的请求链接返回的是 Json 形式的字符串，那么如果我们请求普通的网页，那么肯定就能获得相应的内容了。
下面我们以知乎－发现页面为例来感受一下：
import requests
import re
headers = {
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36"
}
r = requests.get("https://www.zhihu.com/explore", headers=headers)
pattern = re.compile("explore-feed.*?question_link.*?>(.*?)", re.S)
titles = re.findall(pattern, r.text)
print(titles)
如上代码，我们请求了知乎－发现页面：https://www.zhihu.com/explore，在这里加入了 Headers 信息，其中包含了 User-Agent 字段信息，也就是浏览器标识信息。如果不加这个，知乎会禁止抓取。
在接下来用到了最基础的正则表达式，来匹配出所有的问题内容，关于正则表达式会在后面的章节中详细介绍，在这里作为用到实例来配合讲解。
运行结果如下：
[" 如何评价杨超越对偶像意义的理解？ ", " 中国绿发会宣称「穿山甲功能性灭绝」，引发学者质疑后反控对方诽谤，应该相信哪边？ ", " 如何科学地解释MacBook Pro 2019的CPU性能表现接近甚至超过ROG玩家国度枪神3？ ", " 如何评价杨超越对偶像意义的理解？ ", " 盛京剑客为啥退出知乎了？ ", " 怎么看我国跆拳道选手郑姝音被判负后众人不满，我国参加类似比赛还有必要么？ ", " 你为什么这么不愿意《极限挑战》换人？ ", " 「吉卜力工作室」是一家怎样的动画制作公司？ ", " 你为什么不喜欢张雪迎？ ", " 《王者荣耀》中，你遇到哪些有意思的队友？ "]
发现成功提取出了所有的问题内容。
抓取二进制数据在上面的例子中，我们抓取的是知乎的一个页面，实际上它返回的是一个 HTML 文档，那么如果我们想抓去图片、音频、视频等文件的话应该怎么办呢？
我们都知道，图片、音频、视频这些文件都是本质上由二进制码组成的，由于有特定的保存格式和对应的解析方式，我们才可以看到这些形形色色的多媒体。所以想要抓取他们，那就需要拿到他们的二进制码。
下面我们以 GitHub 的站点图标为例来感受一下：
import requests
r = requests.get("https://github.com/favicon.ico")
print(r.text)
print(r.content)
抓取的内容是站点图标，也就是在浏览器每一个标签上显示的小图标，如图 3-3 所示：
图 3-3 站点图标
在这里打印了 Response 对象的两个属性，一个是text，另一个是 content。
运行结果如下，由于包含特殊内容，在此放运行结果的图片，如图 3-4 所示：
图 3-4 运行结果
那么前两行便是 r.text 的结果，最后一行是 r.content 的结果。
可以注意到，前者出现了乱码，后者结果前面带有一个 b，代表这是 bytes 类型的数据。由于图片是二进制数据，所以前者在打印时转化为 str 类型，也就是图片直接转化为字符串，理所当然会出现乱码。
两个属性有什么区别？前者返回的是字符串类型，如果返回结果是文本文件，那么用这种方式直接获取其内容即可。如果返回结果是图片、音频、视频等文件，Requests 会为我们自动解码成 bytes 类型，即获取字节流数据。
进一步地，我们可以将刚才提取到的图片保存下来。
import requests
r = requests.get("https://github.com/favicon.ico")
with open("favicon.ico", "wb") as f:
f.write(r.content)
在这里用了 open() 方法，第一个参数是文件名称，第二个参数代表以二进制写的形式打开，可以向文件里写入二进制数据，然后保存。
运行结束之后，可以发现在文件夹中出现了名为 favicon.ico 的图标，如图 3-5所示：
图 3-5 图标
同样的，音频、视频文件也可以用这种方法获取。
如 urllib.request 一样，我们也可以通过 headers 参数来传递头信息。
比如上面的知乎的例子，如果不传递 Headers，就不能正常请求：
import requests
r = requests.get("https://www.zhihu.com/explore")
print(r.text)
运行结果如下：
400 Bad Request 400 Bad Request
openresty
但如果加上 Headers 中加上 User-Agent 信息，那就没问题了：
import requests
headers = {
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36"
}
r = requests.get("https://www.zhihu.com/explore", headers=headers)
print(r.text)
当然我们可以在 headers 这个参数中任意添加其他的字段信息。
4. POST请求在前面我们了解了最基本的 GET 请求，另外一种比较常见的请求方式就是 POST 了，就像模拟表单提交一样，将一些数据提交到某个链接。
使用 Request 是实现 POST 请求同样非常简单。
我们先用一个实例来感受一下：
import requests
data = {"name": "germey", "age": "22"}
r = requests.post("http://httpbin.org/post", data=data)
print(r.text)
这里我们还是请求：http://httpbin.org/post，它可以判断如果请求是 POST 方式，就把相关请求信息输出出来。
运行结果如下：
{
"args": {},
"data": "",
"files": {},
"form": {
"age": "22",
"name": "germey"
},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Content-Length": "18",
"Content-Type": "application/x-www-form-urlencoded",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.10.0"
},
"json": null,
"origin": "182.33.248.131",
"url": "http://httpbin.org/post"
}
可以发现，成功获得了返回结果，返回结果中的 form 部分就是提交的数据，那么这就证明 POST 请求成功发送了。
5. Response发送 Request 之后，得到的自然就是 Response，在上面的实例中我们使用了 text 和 content 获取了 Response 内容，不过还有很多属性和方法可以获取其他的信息，比如状态码 Status Code、Headers、Cookies 等信息。
下面用一个实例来感受一下：
import requests
r = requests.get("http://www.baidu.com")
print(type(r.status_code), r.status_code)
print(type(r.headers), r.headers)
print(type(r.cookies), r.cookies)
print(type(r.url), r.url)
print(type(r.history), r.history)
在这里分别打印输出了 status_code 属性得到状态码， headers 属性得到 Response Headers，cookies 属性得到 Cookies，url 属性得到 URL，history 属性得到请求历史。
运行结果如下：
