win与linux系统中python requests 安装在 windows 系统下，只需要输入命令 pip install requests ，即可安装。在 linux 系统下，只需要输入命令 sudo pip install requests ，即可安装。或者 ================= Window 1. 下载requests 被墙打开这个网址， http://www.lfd.uci.edu/~gohlke/pythonlibs 在这个网站上面有很多 python 的第三方库文件， ctrl+f 找到 requests 下载 .whl文件下载下来后，将后缀名从 .whl 改为 .zip ，然后解压文件，我们可以得到两个文件夹将requests 文件夹复制到 python 的安装目录下的 lib 目录下 requests 已经安装完毕，输入 import requests 命令来试试是否安装成功， import requests 没有报错，说明 requests 已经成功安装。 2.快速指南 2.1 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") 因为目前我还没用到这些，所以没有深入研究。 2.2 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。） 2.3 获取响应内容可以通过r.text来获取网页的内容。 >>> r = requests.get('http://www.zhidaow.com') >>> r.text u'\n>> r = requests.get('http://www.zhidaow.com') >>> r.content b'\n>> 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。 2.5 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' 2.6 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 (,) 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。 2.7 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' 2.8 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。复制代码代码如下:>>> requests.get('http://github.com', timeout=0.001) Traceback (most recent call last): File "", line 1, in requests.exceptions.Timeout: HTTPConnectionPool(host='github.com', port=80): Request timed out. (timeout=0.001) 2.9 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/", } 2.10 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'} 2.11 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 2.12 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。 3. 简单应用获取网页返回码 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