前言：

我从这部分内容开始逐步根据官方文档介绍教程二中提到的一些库；
爬虫的基础是与网页建立联系，而我们可以通过get和post两种方式来建立连接，而我们可以通过引入urllib库[在python3的环境下导入的是urllib；而python2的环境下是urllib和urllib2]或者requests库来实现,从程序的复杂度和可读性考虑，requests库显然更能满足程序员的需求，但是我没有找到这个库详细的中文讲解，这也是我写这篇文章的原因。
所有的参考资料均来源于官方文档http://docs.python-requests.org/en/master/user/quickstart/#make-a-request
文中可能有一些拓展知识，不喜欢可以略读过去。

如何使用requests库

首先我们需要导入requests包

import requests

然后我们可以通过get或者post（两者有一定的区别，请根据自己的需求合理的选择）来请求页面：

req_1 = requests.get('https://m.weibo.cn/status/4278783500356969')
req_2 = requests.post('https://m.weibo.cn/status/4278783500356969')

这里多说一下我们通过这两个方式得到了什么？
- Now, we have a Response object called req_1/req_2. We can get all the information we need from this object.
这是官方文档中给出的说明，我们得到的是一个对象，里面包含了我们请求的页面的代码（可以print出来看一下）及相关信息，而我们可以通过’.'操作符来访问这个对象内的信息，在文末我会详细的归纳出来【注1】.

再拓展一下我们对一个url还有哪些操作？

req = requests.put('http://httpbin.org/put', data = {'key':'value'})
req = requests.delete('http://httpbin.org/delete')
req = requests.head('http://httpbin.org/get')
req = requests.options('http://httpbin.org/get')

我们多数情况下还需要在请求中添加一些参数，如果你接触过urllib的话，你就会惊叹于requests的方便：

先说一下如何将参数/表单，或者其它信息添加到请求中

get:

payload = {'key1': 'value1', 'key2': 'value2'} # 这里的value可以为一个列表
req = requests.get('http://httpbin.org/get', params=payload)

post:

yourData = {'key':'value'}
req = requests.post('http://httpbin.org/post', data=yourData)

下面的例子是展示表单中可以有多种类型的值

payload_tuples = [('key1', 'value1'), ('key1', 'value2')]
r1 = requests.post('http://httpbin.org/post', data=payload_tuples)
payload_dict = {'key1': ['value1', 'value2']}
r2 = requests.post('http://httpbin.org/post', data=payload_dict)
print(r1.text)
{
  ...
  "form": {
    "key1": [
      "value1",
      "value2"
    ]
  },
  ...
}
r1.text == r2.text
True

这个例子是说明表单的编码的形式是多样的，比如以json来传递

#写法一
import json
url = 'https://api.github.com/some/endpoint'
payload = {'some': 'data'}
req = requests.post(url, data=json.dumps(payload))

#写法二
url = 'https://api.github.com/some/endpoint'
payload = {'some': 'data'}
req = requests.post(url, json=payload)

如果你想传递header的话

get:

headers = {'user-agent': 'my-app/0.0.1'}
req = requests.get(url, headers=headers)
post:

header = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'}
data = {'_xsrf': xsrf, 'email': '邮箱', 'password': '密码',
        'remember_me': True}
session = requests.Session()
result = session.post('https://www.zhihu.com/login/email', headers=header, data=data) #这里的result是一个json格式的字符串，里面包含了登录结果

如果你想传递cookie的话

get:

url = 'http://httpbin.org/cookies'
req = requests.get(url, cookies=dict(cookies_are='working'))
post:

import requests
r = requests.get(url1)  # 你第一次的url
headers = {
    'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Accept-Encoding':'gzip, deflate, sdch',
    'Accept-Language':'zh-CN,zh;q=0.8',
    'Connection':'keep-alive',
    'Cache-Control':'no-cache',
    'Content-Length':'6',
    'Content-Type':'application/x-www-form-urlencoded; charset=UTF-8',
    'Host':'www.mm131.com',
    'Pragma':'no-cache',
    'Origin':'http://www.mm131.com/xinggan/',
    'Upgrade-Insecure-Requests':'1',
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36',
    'X-Requested-With':'XMLHttpRequest'
}  # headers的例子，看你的post的headers
headers['cookie'] = ';'.join([headers['cookie'], ['='.join(i) for i in r.cookies.items()]])
r = requests.post(url2, headers=headers, data=data)  # 你第二次的url

如果你想传递文件

post:

#低阶版：
url = 'http://httpbin.org/post'
files = {'file': open('report.xls', 'rb')}

req = requests.post(url, files=files)
req.text
{
  ...
  "files": {
    "file": "<censored...binary...data>"
  },
  ...
}

#进阶版：
url = 'http://httpbin.org/post'
files = {'file': ('report.xls', open('report.xls', 'rb'), 'application/vnd.ms-excel', {'Expires': '0'})}

req = requests.post(url, files=files)
req.text
{
  ...
  "files": {
    "file": "<censored...binary...data>"
  },
  ...
}

其实字符串也可以上传：

url = 'http://httpbin.org/post'
files = {'file': ('report.csv', 'some,data,to,send\nanother,row,to,send\n')}

req = requests.post(url, files=files)
req.text
{
  ...
  "files": {
    "file": "some,data,to,send\\nanother,row,to,send\\n"
  },
  ...
}

再拓展一下get和post的函数原型，可以让大家对参数有一个更加全面的了解：

get:

def get(url, params=None, **kwargs):
    r"""Sends a GET request.

    :param url: URL for the new :class:`Request` object.
    :param params: (optional) Dictionary or bytes to be sent in the query string for the :class:`Request`.
    :param \*\*kwargs: Optional arguments that ``request`` takes.
    :return: :class:`Response <Response>` object
    :rtype: requests.Response
    """

    kwargs.setdefault('allow_redirects', True)
    return request('get', url, params=params, **kwargs)
post:

def post(url, data=None, json=None, **kwargs):
    r"""Sends a POST request.

    :param url: URL for the new :class:`Request` object.
    :param data: (optional) Dictionary (will be form-encoded), bytes, or file-like object to send in the body of the :class:`Request`.
    :param json: (optional) json data to send in the body of the :class:`Request`.
    :param \*\*kwargs: Optional arguments that ``request`` takes.
    :return: :class:`Response <Response>` object
    :rtype: requests.Response
    """

    return request('post', url, data=data, json=json, **kwargs)

然后拓展一个打印出添加了参数的之后的url的方法：
```
print(req.url)
```
我们需要注意的另一个事情是编码问题：
- 你如果使用print(req.text)，那么requests会自动帮你编码来显示结果（原文件是以二进制形式返回的，而urllib则需要手动编码），如果你想改变编码方式也很简单:req.encoding = ‘ISO-8859-1’
- 而如果你想要得到一个二进制的结果：
```
req.content()
```
- 另外你如果想要一个json格式的结果：
```
  req.json()
```
- !一定要做异常的处理，很有可能请求的网页与json不适配或者压根请求就出问题
  - 如果你想要一个未经过处理的response：
```
req = requests.get('https://api.github.com/events', stream=True)
req.raw
<urllib3.response.HTTPResponse object at 0x101194810>

req.raw.read(10)
'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03'
```
  - 当然，我们需要做一些异常的处理
```
with open(filename, 'wb') as fd:
    for chunk in r.iter_content(chunk_size=128):
        fd.write(chunk)
```

如果你需要获取response的信息的话：

req.headers
{
    'content-encoding': 'gzip',
    'transfer-encoding': 'chunked',
    'connection': 'close',
    'server': 'nginx/1.0.4',
    'x-runtime': '148ms',
    'etag': '"e1ca502697e5c9317743dc078f67693f"',
    'content-type': 'application/json'
}

req.headers['Content-Type']
'application/json'

req.headers.get('content-type')
'application/json'

如何取得cookies并使用：

#基本取出
>>> url = 'http://example.com/some/cookie/setting/url'
>>> r = requests.get(url)

>>> r.cookies['example_cookie_name']
'example_cookie_value'
#基本使用
>>> url = 'http://httpbin.org/cookies'
>>> cookies = dict(cookies_are='working')

>>> r = requests.get(url, cookies=cookies)
>>> r.text
'{"cookies": {"cookies_are": "working"}}'


#使用cookiesJar来完成两个过程
>>> jar = requests.cookies.RequestsCookieJar()
>>> jar.set('tasty_cookie', 'yum', domain='httpbin.org', path='/cookies')
>>> jar.set('gross_cookie', 'blech', domain='httpbin.org', path='/elsewhere')
>>> url = 'http://httpbin.org/cookies'
>>> r = requests.get(url, cookies=jar)
>>> r.text
'{"cookies": {"tasty_cookie": "yum"}}'

6，其它内容（挖坑以后填）：

状态码
超时
异常和错误的处理

爬虫系列教程三：requests详解

前言：

如何使用requests库

linux安装cuda和cudnn

模拟手机设备：使用 Playwright 实现移动端自动化测试

Mellanox网卡开启SR-IOV

全面系统的AI学习路径，帮助普通人也能玩转AI

HTML 00 Tutorial

uni-app实现上拉加载

vue3编译优化之“静态提升”

又是一个月-20240513

flask 如何保证返回json有序

linux服务器设置ssh免密

python爬蟲定位和選擇網頁內容的幾種方式比較正則表達式\libxml、bs4、lxml和xpath、css選擇器

爬蟲系列教程零：怎麼學習爬蟲

爬蟲系列教程三：requests詳解

爬蟲系列教程一：學習爬蟲前需要看的基本術語和知識

爬蟲系列教程二：如何獲取網頁信息並定位信息所處位置

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結