如何使用 Python 请求网络资源

共计 2553 个字符，预计需要花费 7 分钟才能阅读完成。

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。

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. 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

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'
}

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。

阿里云 2 核 2G 服务器 3M 带宽 61 元 1 年，有高配

腾讯云新客低至 82 元 / 年，老客户 99 元 / 年

代金券：在阿里云专用满减优惠券