如何使用 Python 请求网络资源

开发 后端
最近在写一个定时访问网络资源的程序,里面涉及到使用 python 访问网络,所以我们今天就对这一个点做一个简短的总结。

很长时间以来我们都在分享 Linux 系统相关的知识,所以可能会有朋友误以为我们只分享 Linux 操作相关的东西,其实不是啊,我们在平时开发过程中遇到的一些问题,感觉可以总结的,都有可能拿来分享。

最近在写一个定时访问网络资源的程序,里面涉及到使用 python 访问网络,所以我们今天就对这一个点做一个简短的总结。

使用 python 访问网络资源

要访问网络中的资源,有些朋友可能会使用 urllib.request,这个模块也是一个 python 的标准库。不过我们使用的是 requests,它是 urllib.request 的封装,使用起来更方便。 如果是第一次使用的话,需要安装 requests,我们使用 pip 安装:

pip install --user requests

安装成功后,就可以直接使用了,使用的时候,需要在 python 文件的上方引入:

import requestsimport requests

为了方便演示,我们使用 requests 模块访问一下 github 上星最高的 python 项目,地址为:

​https://api.github.com/search/repositories?q=language:python&sort=stars​

为了有一个整体的认识,大家可以先使用浏览器打开这个地址,看看里面的内容,它是一个以 json 格式展现的文本。

然后我们新建一个 ​​test-resp.py​​ 的文件,里面输入如下代码:

import requests
url='​​https://api.github.com/search/repositories?q=language:python&sort=stars​​';
get_resp=requests.get(url);

上述代码中第 1 行为引入 requests 模块,第 2 行将待访问地址存储到 url 变量中,第 3 行使用 requests 模块的 get 方法来访问这个 url,并将响应存储在变量 get_resp 中。这个响应是一个对象,包含请求资源的内容和状态。可以打印一下这个响应的状态,使用 status_code 对象,如下代码:

print(get_resp.status_code)

结果如下:

$ python ​​test-resp.py​​
200

当然,也可以打印出响应的文本,即打印 get_resp.text,不过这个文本没有格式化,不易读,如下图所示:

上图我们只截取了结果的一部分,因为太长了... 这个结果解析起来是比较麻烦的,不过完全不用担心,简单看一下其内容我们就可以注意到,其内容是一个json格式的,所以响  应结果也是一个 json,而 python 对 json 的解析功能是很强大的,如下我们可以打印出这个 json 的 key 值:                   

print(get_resp.json().keys())

结果如下:

$ python ​​test-resp.py​​
dict_keys(['total_count', 'incomplete_results', 'items'])

由上结果可以知道,我们完全可以将这个响应结果当作一个 json 对象来处理。比如,上述结果中的第一个 keyi 值 total_count,其表示 python 仓库的总数,我们可以将这个数值打印出来,如下所示:

response_dict=get_resp.json();
print("Total repositories:", response_dict['total_count'])

其运行结果如下:

$ python ​​test-resp.py​​
Total repositories: 9128125

如果读取的网络资源,是普通的 html 格式,可以使用一个第三方库 BeautifulSoup,可以完美解决 html 解析。关于BeautifulSoup我们在之前的文章中也介绍过,大家可以参考:使用 Python 的 Beautiful Soup 库来分析网页

添加请求头信息

有些网络资源对于请求的响应可能做了限制,比如阻止机器人(程序)访问,或者需要登录(有用户会话)才能访问,为此,可以在请求中添加请求头,在请求头中模拟浏览器,添加用户会话信息(token)等。如下所示:

headers={
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36',
'Authorization':'41d15146-c3f3-4c0b-b48b-b5210151a9df'
}
get_resp=requests.get(url,headers=headers,params=None)

上述代码中,headers 对象中的 User-Agent 为模拟的浏览器信息,Authorization 为请求令牌。 也可以按需添加其他请求头信息,如下所示:

header={
'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',
'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.235'
}

其他

上面我们使用的例子,都是处理的 get 请求,对于 post 请求也同样适用,使用 requests 的 post 方法,如下:

post_resp=requests.post(url,headers=headers,data=None,json=None)

使用方法与 get 请求完全相同。

以上就是我们本次分享全部内容,欢迎讨论。

责任编辑:庞桂玉 来源: TIAP
相关推荐

2010-05-06 11:13:10

虚拟化

2012-05-31 13:43:09

IPv6网络IPv6IPv6网络资源

2009-09-23 10:30:14

Android开发者

2011-07-05 09:50:21

2009-07-27 13:32:37

2012-03-30 13:51:38

2012-02-03 09:55:06

Delphi

2022-12-19 07:28:53

Kubernetes资源请求限制

2022-11-22 08:41:22

curlDELETELinux

2018-05-03 19:14:23

iOS开发框架API

2022-05-15 15:14:04

爬虫Requests反爬

2021-06-29 15:52:03

PythonPOST

2018-03-16 14:24:24

人工智能机器学习神经网络

2018-11-06 13:13:21

DDOS网络攻击IP

2020-08-25 07:16:20

Python资源文件文件

2020-12-03 07:43:03

JS Ajax JavaScript

2021-12-13 07:50:14

cURL响应时间

2020-11-23 08:48:00

Kubernetes容器开发

2016-07-26 09:06:44

网络技术网络资源管理

2016-07-29 17:15:39

网络技术创新
点赞
收藏

51CTO技术栈公众号