2.4 Python 请求

Cooking time: 15 mins active / 20 mins passive
Tasks For Instructors： 请讲师简单介绍 Python 发请求，HTTP知识。 本节稍微了解一下便可

HTTP 简介

HTTP 是超文本传输协议（hypertext transfer protocol）的缩写。

(常见语病：「HTTP 协议」。「P」和「协议」同义重复了，只用「HTTP」即可)

HTTP 规定了客户端和服务器之间传输网页和文件的办法。

客户端：例如浏览器、爬虫、手机应用。服务器：用网址定位，一般运行于一台电脑上的 80 或者 443 端口。

在 HTTP 语境下，网页或文件一般统称资源（resource)。

HTTP 请求由以下部分组成：

请求行，包含请求动作（verb）和请求路径，HTTP 的版本，例如 GET /images/logo.gif HTTP/1.1
多个请求头，例如告诉服务器我希望获得中文的响应 accept-language: zh
一个空行
可选的消息体 (body)

常用的 HTTP 请求动作（verb）有

GET 一般用来获取一个资源，例如 GET /images/logo.gif HTTP/1.1。
POST 一般用来提交一个资源，常用于表单提交或登录。

（verb 的使用只是一种惯例，也有网站不遵守的）

HTTP 响应由以下部分组成：

响应行，包含 HTTP 版本和响应代码，例如 HTTP/2 200
多个响应头，例如告诉客户端消息体的格式 content-type: image/gif
一个空行
可选的消息体

常见的响应代码

2XX 正常工作，如 200 OK, 201 Created
3XX 重定向，如 302 跳转，304 网页没变化
4XX 客户端出问题了，如 400 非法请求，404 资源没找到
5XX 服务器出问题了，如 500 服务器内部错误, 504 后台服务超时

使用 Chrome 开发者工具查看请求

打开菜单：视图 -> 开发者 -> 开发者工具，选择 "网络" 栏，刷新页面

Requests 的使用

import requests
response = requests.get('https://c.xkcd.com/random/comic/')
print(response.text) # 打印网页的 HTML 源代码

可以看到以 <!DOCTYPE html> 开头的 HTML 内容，下面我们先讲解一下 Python 进阶语法，然后再介绍如何从 HTML 中提取信息。

如果请求的是一张图片，图片文件往往包含大量的非字符数据，需要用 response.content 获得内容

response = requests.get('https://ws4.sinaimg.cn/large/006tNbRwly1fwict5oyqdj31kw1kw124.jpg')
with open("crawled_image.jpg", 'wb') as f:
    f.write(response.content)

因为写入的是二进制数据，这里的 open 使用了 'wb' 参数表明用二进制输出流写文件。

requests 还提供了方便的方法获取网页上的所有链接：

response.links

Previous2.3 Python 语法 Next2.5 Python 语法进阶

Last updated 6 years ago

Was this helpful?