百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

接口测试——requests 的基本了解

ztj100 2025-03-19 18:46 51 浏览 0 评论

● requests介绍及安装

● requests原理及源码介绍

● 使用requests发送请求

● 使用requests处理响应

● get请求参数

● 发送post请求参数

● 请求header设置

● cookie的处理

● https证书的处理

● 文件上传、下载

requests介绍

● requests是python第三方的HTTP模块库。

● 它基于urllib,又比urllib更加简单高效。

● 支持Get、Post、Put、Delete、Head、Options等HTTP请求。

工具:jmeter,postman,soupui等

框架:robot framework等

编程:urllib,httpclient

requests安装

python编程环境准备:python3.6+pycharm

通过pip工具在线安装:

pip install requests

pip install -i https://mirrors.aliyun.com/pypi/simple/ requests

● 安装验证:

查看requests版本信息:

pip show requests

pycharm中导入模块正常:import requests

requests工作原理及源码介绍

请求方法

requests.get(url, params=None, **kwargs) # get请求
requests.post(url, data=None, json=None, **kwargs) # post请求
requests.request(method, url, **kwargs) # 通用请求

requests-get请求

get请求特点:

请求参数在url中,键值对形式。

response = requests.get(url)
response = requests.get(url, params=None)
response = requests.get(url, params=None, **kwargs)

requests-post请求

post请求特点:

请求参数在bady中,键值对形式。

response = requests.post(url, data=None)
response = requests.post(url, json=None)
response = requests.post(url, data=None, **kwargs)

▲ requests-可选参数

request请求参数:

● params:字典等类型,最终添加到请求url中的参数,

● data:字典等类型,最终添加到请求body中的参数,

● json:一个json格式的序列化的Python对象,

● headers:字典等类型,请求的header,

● cookies:字典类型,请求的cookie,

● files:字典类型,向服务器传输文件,

● auth: 元组,HTTP鉴权信息,

● verify:布尔值,是否验证server的TSL证书,

● timeout:数值,设定超时时间,

● allow_redirects:布尔值,是否运行重定向,

● stream:布尔值,响应内容是否直接下载,

▲ requests-Response对象

requests的方法会返回Response对象,即响应对象

response = requests.get(url, params=None, **kwargs) #

响应对象的属性和方法:

● response.status_code #获取响应结果码

● response.encoding #获取响应的编码格式

● response.headers #获取响应头

● response.content #获取二进制形式响应内容

● response.text #获取字符串形式响应内容

● response.json() #获取json格式响应内容

● response.url #获取请求的url

▲ requests-header参数

request请求header参数:

字典格式,可以放user-agent, cookie等内容,参考浏览器的header

发送请求时,需要带user-agent信息:

headers = {"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64)
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105
Safari/537.36"}
response = requests.get(url, headers=header)

▲ requests-cookies参数

request请求cookies参数:

字典格式,可以放多个cookie数据,name:value

发送请求时,需要带cookie信息:

cookies={"ECSCP_ID":"cf306022f9f921c97ee70b907f6be4e63c96aae2"}
response = requests.get(url,cookies=cookies)

▲ requests-Session会话保持

登录后再操作,这种场景需要保持用户状态。可以通过Session类实现。

Session对象可以自动处理会话期间的Cookie,也可以通过它对整个会话做统一的设置。

se1 = Session() # 创建Session对象,自动处理
se1.post() # 先登录
se1.get() # 登录后的操作

▲ requests-files参数

files参数:

字典格式,文件上传参数,'name': file-objects或者'name': file-tuple

文件上传:

files={"file":("goods_list.csv",open("C:\\Users\\Administrator\\Desktop\\goo
ds_list.csv","rb"),"application/vnd.ms-excel")}
response = requests.get(url, files=files)

▲ requests-verify参数

request请求verify参数:

布尔值,默认是True验证TSL证书,可以设置为False不验证证书

请求走https协议时使用:

response = requests.get(url, verify=False)

▲ requests-stream参数

steam参数:

字典格式,文件下载时参数,主要针对文件比较大的情况。

steam=False,默认值,指直接下载。

steam=True,分段下载。避免立即将内容读入内存,推迟下载响应体。

文件分段下载:

with requests.post(url,data=data,stream=True) as res:
print(res.headers['content-Length'])
file1 = open("d:\\export_file.zip",mode="wb")
for chunk in res1.iter_content(512):
file1.write(chunk)
print(chunk)
file1.close()

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: