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

网络请求轻松搞定:玩转Python中requests函数的实用技巧

ztj100 2025-03-19 18:46 44 浏览 0 评论

介绍

在Python中,requests库是用于发送HTTP请求的常用库。它提供了简洁易用的接口,使得发送HTTP请求变得非常简单。本文将深入探讨requests库的使用方法,从入门到精通。

目录

  1. 安装requests库
  2. 发送GET请求
  3. 发送带参数的GET请求
  4. 发送POST请求
  5. 发送带参数的POST请求
  6. 发送JSON数据
  7. 发送文件
  8. 设置请求头
  9. 设置超时时间
  10. 处理响应
  11. 异常处理
  12. 会话管理
  13. SSL证书验证
  14. 代理设置
  15. 总结

1. 安装requests库

在使用requests库之前,我们需要先安装它。可以使用以下命令来安装requests库:

pip install requests

2. 发送GET请求

requests库中的get()函数可以用于发送GET请求。

import requests

# 发送GET请求
response = requests.get('https://api.example.com/data')

# 输出响应内容
print(response.text)

在上述代码中,我们使用requests.get()函数发送GET请求到
https://api.example.com/data,并将响应保存在变量response中。然后,使用response.text打印响应内容。

3. 发送带参数的GET请求

有时候我们需要发送带参数的GET请求。

import requests

# 发送带参数的GET请求
params = {'key': 'value'}
response = requests.get('https://api.example.com/data', params=params)

# 输出响应内容
print(response.text)

在上述代码中,我们使用params参数传递参数,发送带参数的GET请求到
https://api.example.com/data,并将响应保存在变量response中。

4. 发送POST请求

requests库中的post()函数可以用于发送POST请求。

import requests

# 发送POST请求
data = {'key': 'value'}
response = requests.post('https://api.example.com/data', data=data)

# 输出响应内容
print(response.text)

在上述代码中,我们使用requests.post()函数发送POST请求到
https://api.example.com/data,并将响应保存在变量response中。

5. 发送带参数的POST请求

有时候我们需要发送带参数的POST请求。

import requests

# 发送带参数的POST请求
data = {'key1': 'value1', 'key2': 'value2'}
response = requests.post('https://api.example.com/data', data=data)

# 输出响应内容
print(response.text)

在上述代码中,我们使用data参数传递参数,发送带参数的POST请求到
https://api.example.com/data,并将响应保存在变量response中。

6. 发送JSON数据

requests库中的post()函数也可以用于发送JSON数据。

import requests

# 发送JSON数据
json_data = {'key': 'value'}
response = requests.post('https://api.example.com/data', json=json_data)

# 输出响应内容
print(response.text)

在上述代码中,我们使用json参数传递JSON数据,发送POST请求到
https://api.example.com/data,并将响应保存在变量response中。

7. 发送文件

requests库中的post()函数还可以用于发送文件。

import requests

# 发送文件
files = {'file': open('data.txt', 'rb')}
response = requests.post('https://api.example.com/upload', files=files)

# 输出响应内容
print(response.text)

在上述代码中,我们使用files参数传递文件,发送POST请求到
https://api.example.com/upload,并将响应保存在变量response中。

8. 设置请求头

有时候我们需要设置请求头,以便向服务器传递更多信息。

import requests

# 设置请求头
headers = {'User-Agent': 'Mozilla/5.0'}
response = requests.get('https://api.example.com/data', headers=headers)

# 输出响应内容
print(response.text)

在上述代码中,我们使用headers参数设置请求头,发送GET请求到
https://api.example.com/data,并将响应保存在变量response中。

9. 设置超时时间

在发送请求时,有时候我们需要设置超时时间,防止请求时间过长。

import requests

# 设置超时时间为5秒
timeout = 5
response = requests.get('https://api.example.com/data', timeout=timeout)

# 输出响应内容
print(response.text)

在上述代码中,我们使用timeout参数设置超时时间为5秒,发送GET请求到
https://api.example.com/data,并将响应保存在变量response中。

10. 处理响应

requests库返回的响应是一个Response对象,我们可以通过该对象获取响应的各种信息。

import requests

# 发送GET请求
response = requests.get('https://api.example.com/data')

# 获取响应状态码
status_code = response.status_code

# 获取响应头
headers = response.headers

# 获取响应内容
content = response.text

# 输出响应状态码、响应头和响应内容
print("状态码:", status_code)
print("响应头:", headers)
print("响应内容:", content)

在上述代码中,我们使用response.status_code获取响应状态码,使用response.headers获取响应头,使用response.text获取响应内容,并将这些信息输出。

11. 异常处理

在发送请求时,可能会发生一些异常,我们需要进行适当的异常处理。

import requests

try:
    # 发送GET请求
    response = requests.get('https://api.example.com/data')

    # 如果响应状态码不为200,抛出异常
    response.raise_for_status()

    # 输出响应内容
    print(response.text)
except requests.exceptions.HTTPError as http_error:
    print("HTTP错误:", http_error)
except requests.exceptions.ConnectionError as connection_error:
    print("连接错误:", connection_error)
except requests.exceptions.Timeout as timeout_error:
    print("超时错误:", timeout_error)
except requests.exceptions.RequestException as request_exception:
    print("其他错误:", request_exception)

在上述代码中,我们使用try...except语句进行异常处理。如果响应状态码不为200,则使用response.raise_for_status()抛出HTTPError异常。除了HTTPError异常,requests库还可能抛出ConnectionError、Timeout和RequestException等异常。

12. 会话管理

有时候我们需要在多个请求之间保持一些状态信息,可以使用Session对象进行会话管理。

import requests

# 创建会话
session = requests.Session()

# 第一个请求
response1 = session.get('https://api.example.com/login')

# 第二个请求
response2 = session.post('https://api.example.com/data', data={'key': 'value'})

# 输出响应内容
print(response2.text)

在上述代码中,我们使用requests.Session()创建一个会话对象session。在session对象中,第一个请求和第二个请求可以共享会话信息,例如登录信息等。

13. SSL证书验证

在发送HTTPS请求时,默认会验证服务器的SSL证书。如果不想验证,可以设置verify参数为False。

import requests

# 发送HTTPS请求,不验证SSL证书
response = requests.get('https://api.example.com/data', verify=False)

# 输出响应内容
print(response.text)

在上述代码中,我们使用verify=False设置不验证SSL证书,发送HTTPS请求到
https://api.example.com/data。

14. 代理设置

有时候我们需要通过代理服务器发送请求,可以通过proxies参数进行设置。

import requests

# 设置代理
proxies = {'http': 'http://user:password@proxy.example.com',
           'https': 'https://user:password@proxy.example.com'}
response = requests.get('https://api.example.com/data', proxies=proxies)

# 输出响应内容
print(response.text)

在上述代码中,我们使用proxies参数设置代理,发送请求到
https://api.example.com/data。

15. 总结

通过本文的讲解,我们了解了requests库的基本用法,从发送GET请求、发送带参数的GET请求,到发送POST请求、发送带参数的POST请求,再到发送JSON数据和文件,以及设置请求头、超时时间,处理响应和异常,会话管理,SSL证书验证和代理设置。 requests库是发送HTTP请求的重要工具,熟练掌握它的使用将帮助我们在Python开发中更加灵活、高效地与网络进行交互。

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: