问题：为什么要学习requests，而不是urllib？
1、requests的底层实现就是urllib
2、requests在python2 和python3中通用，方法完全一样
3、requests简单易用
4、requests能够自动帮助我们解压(gzip压缩的等)网页内容
Requests: 让 HTTP 服务人类
虽然Python的标准库中 urllib 模块已经包含了平常我们使用的大多数功能，但是它的 API 使用起来让人感觉不太好，而 Requests 自称 “HTTP for Humans”，说明使用更简洁方便。
Requests 继承了urllib的所有特性。Requests支持HTTP连接保持和连接池，支持使用cookie保持会话，支持文件上传，支持自动确定响应内容的编码，支持国际化的 URL 和 POST 数据自动编码。
requests 的底层实现其实就是 urllib
Requests的文档非常完备，中文文档也相当不错。Requests能完全满足当前网络的需求，支持Python 2.6–3.5，而且能在PyPy下完美运行。
开源地址：https://github.com/kennethreitz/requests
中文文档 API： http://docs.python-requests.org/zh_CN/latest/index.html
安装方式
利用 pip 安装 或者利用 easy_install 都可以完成安装：
$ pip install requests
$ easy_install requests
requests的作用
作用：发送网络请求，返回响应数据
中文文档 API： http://docs.python-requests.org/zh_CN/latest/index.html
需要解决的问题：如何使用requests来发送网络请求？
发送简单的请求
需求：通过requests向百度首页发送请求，获取百度首页的数据
response = requests.get(url)
response = requests.get("http://www.baidu.com/")
# 也可以这么写
# response = requests.request("get", "http://www.baidu.com/")
response的常用方法：
response.text
respones.content
response.status_code
response.request.headers
response.headers
响应头
请求头
User-Agent：此处是默认的，后期使用默认将会被识别出来，爬虫失败
状态码：
响应内容：
请求内容：
返回的内容其实不多，这是因为识别出不是正规的浏览器请求百度
response.text 和response.content的区别
response.text
类型：str
解码类型： 根据HTTP 头部对响应的编码作出有根据的推测，推测的文本编码
如何修改编码方式：response.encoding=”gbk”
response.content
类型：bytes
解码类型： 没有指定
如何修改编码方式：response.content.deocde(“utf8”)
更推荐使用response.content.deocde()的方式获取响应的html页面
发送带header的请求
为什么请求需要带上header？
模拟浏览器，欺骗服务器，获取和浏览器一致的内容
header的形式：字典
headers = {“User-Agent”: “Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36”}
用法： requests.get(url,headers=headers)
发送带参数的请求
什么叫做请求参数：
列1: http://www.webkaka.com/tutorial/server/2015/021013/ ☓
例2： https://www.baidu.com/s?wd=python&c=b
参数的形式：字典
kw = {‘wd’:‘长城’}
用法：requests.get(url,params=kw)
#coding:utf-8
#file: __init__.py.py
#@author: young
#@contact: [email protected]
#@time: 2019/12/22 14:24
import requests
url_temp = "http://www.baidu.com/s?"
#有无？均可以
p = {"wd ": "传智播客"}
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
r = requests.get(url_temp,headers= headers ,params= p)
print(r.status_code)
print(r.request.url)
#需要解码，解码后内容为传智播客
需要取出参数：
#coding:utf-8
#file: __init__.py.py
#@author: young
#@contact: [email protected]
#@time: 2019/12/22 14:24
import requests
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}
url = "https://www.baidu.com/?wd++=%E4%BC%A0%E6%99%BA%E6%92%AD%E5%AE%A2"
r = requests.get(url,headers= headers )
print(r.status_code)
print(r.request.url)
小栗子
通过requests获取新浪首页
#coding:utf-8
#file: sina.py
#@author: young
#@contact: [email protected]
#@time: 2019/12/22 15:39
import requests
response = requests.get("http://www.sina.com")
print(response.request.headers)
print(response.content.decode())
结果：
{'User-Agent': 'python-requests/2.12.4', 'Accept-Encoding': 'gzip, deflate', 'Accept': '*/*', 'Connection': 'keep-alive'}
<!DOCTYPE html>
<!-- [ published at 2017-06-09 15:15:23 ] -->
<html>
<head>
<meta http-equiv="Content-type" content="text/html; charset=utf-8" />
<meta http-equiv="X-UA-Compatible" content="IE=edge" />
<title>新浪首页</title>
<meta name="keywords" content="新浪,新浪网,SINA,sina,sina.com.cn,新浪首页,门户,资讯" />
...
import requests
response = requests.get("http://www.sina.com")
print(response.request.headers)
print(response.text)
{'User-Agent': 'python-requests/2.12.4', 'Accept-Encoding': 'gzip, deflate', 'Accept': '*/*', 'Connection': 'keep-alive'}
<!DOCTYPE html>
<!-- [ published at 2017-06-09 15:18:10 ] -->
<html>
<head>
<meta http-equiv="Content-type" content="text/html; charset=utf-8" />
<meta http-equiv="X-UA-Compatible" content="IE=edge" />
<title>新浪首页</title>
<meta name="keywords" content="新浪,新浪网,SINA,sina,sina.com.cn,新浪首页,门户,资讯" />
<meta name="description" content="新浪网为全çƒç”¨æˆ·24å°æ—¶æ供全é¢åŠæ—¶çš„ä¸æ–‡èµ„讯，内容覆盖国内外çªå‘新闻事件ã€ä½“å›èµ›äº‹ã€å¨±ä¹æ—¶å°šã€äº§ä¸šèµ„讯ã€å®žç”¨ä¿¡æ¯ç‰ï¼Œè®¾æœ‰æ–°é—»ã€ä½“育ã€å¨±ä¹ã€è´¢ç»ã€ç§‘技ã€æˆ¿äº§ã€æ±½è½¦ç‰30多个内容频é“，åŒæ—¶å¼€è®¾åšå®¢ã€è§†é¢‘ã€è®ºå›ç‰è‡ªç”±äº’动交æµç©ºé—´ã€‚" />
<link rel="mask-icon" sizes="any" href="//www.sina.com.cn/favicon.svg" color="red">
`
产生问题的原因分析
1、 requests默认自带的Accept-Encoding导致或者新浪默认发送的就是压缩之后的网页，
2、但是为什么content.read()没有问题，因为requests，自带解压压缩网页的功能
3、当收到一个响应时，Requests 会猜测响应的编码方式，用于在你调用response.text 方法时对响应进行解码。Requests 首先在 HTTP 头部检测是否存在指定的编码方式，如果不存在，则会使用 chardet.detect来尝试猜测编码方式（存在误差）
4、更推荐使用response.content.deocde()
