关于requests的session方法保持cookie的问题。

转载自：http://blog.csdn.net/falseen/article/details/46962011

最近在做爬虫的时候遇到了一个问题，在用requests的session方法保持cookie的时候发现requests不能保持手动构建的cookie。起初以为requests只能自动保持由服务器返回的set-cookie语句中的cookie。后来查了很多资料，才终于明白。原来requests只能保持 cookiejar 类型的cookie，而我们手动构建的cookie是dict类型的。所以要把dict转为 cookiejar类型，于是我又在网上查，在几乎打算放弃的时候终于找到了一个把dict转为cookiejar的方法，如下：

#将CookieJar转为字典：
cookies = requests.utils.dict_from_cookiejar(r.cookies)

#将字典转为CookieJar：
cookies = requests.utils.cookiejar_from_dict(cookie_dict, cookiejar=None, overwrite=True)

#其中cookie_dict是要转换字典

转换完之后就可以把它赋给cookies 并传入到session中了：

s = requests.Session()
s.cookies = cookies

1
2
3
4
5
6
7
8
9
10
11
12
13

以上代码是我在下面这个网站上查到的，感谢这个博客的作者！这篇文章上还介绍了一些官方文档中没有提到的方法。

—————————-以下是原文——————————— 

原文地址：http://www.lihuai.net/program/python/1617.html

Python Requests库：HTTP for Humans 

时间: 2014/12/30 | 分类: Python | 作者: 李坏 | 浏览：287 | 抢沙发 

Python标准库中用来处理HTTP的模块是urllib2，不过其中的API太零碎了，requests是更简单更人性化的第三方库。

用pip下载：

pip install requests 

或者git：

git clone git://github.com/kennethreitz/requests.git 

发送请求：

GET方法

>>> import requests
>>> r = requests.get('https://api.github.com/events')
POST方法：

>>> r = requests.post("http://httpbin.org/post")
也可以使用其它方法：

>>> r = requests.put("http://httpbin.org/put")
>>> r = requests.delete("http://httpbin.org/delete")
>>> r = requests.head("http://httpbin.org/get")
>>> r = requests.options("http://httpbin.org/get")

1
2
3
4
5
6
7
8
9
10
11

也可以将请求方法放在参数中：

>>> import requests
>>> req = requests.request('GET', 'http://httpbin.org/get')

1
2

传递参数或上传文件：

1.如果要将参数放在url中传递，使用params参数，可以是字典或者字符串：

>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.get("http://httpbin.org/get", params=payload)
>>> r.url
u'http://httpbin.org/get?key2=value2&key1=value1'

1
2
3
4

2.如果要将参数放在request body中传递，使用data参数，可以是字典，字符串或者是类文件对象。

使用字典时将发送form-encoded data：

>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.post("http://httpbin.org/post", data=payload)
>>> print(r.text)
{
...
"form": {
"key2": "value2",
"key1": "value1"
},
...
}

1
2
3
4
5
6
7
8
9
10
11

使用字符串时将直接发送数据：

>>> import json
>>> url = 'https://api.github.com/some/endpoint'
>>> payload = {'some': 'data'}
>>> r = requests.post(url, data=json.dumps(payload))

1
2
3
4

流上传：

with open('massive-body', 'rb') as f:
requests.post('http://some.url/streamed', data=f)
Chunk-Encoded上传：

def gen():
yield 'hi'
yield 'there'

requests.post('http://some.url/chunked', data=gen())

1
2
3
4
5
6
7
8
9

3.如果要上传文件，可以使用file参数发送Multipart-encoded数据，file参数是{ ‘name’: file-like-objects}格式的字典 (or {‘name’:(‘filename’, fileobj)}) ：

>>> url = 'http://httpbin.org/post'
>>> files = {'file': open('report.xls', 'rb')}
>>> r = requests.post(url, files=files)
>>> r.text
{
...
"files": {
"file": "<censored...binary...data>"
},
...
}

1
2
3
4
5
6
7
8
9
10
11

也可以明确设置filename, content_type and headers：

>>> url = 'http://httpbin.org/post'
>>> files = {'file': ('report.xls', open('report.xls', 'rb'), 'application/vnd.ms-excel', {'Expires': '0'})}
>>> r = requests.post(url, files=files)
>>> print r.text
{
"args": {},
"data": "",
"files": {
"file": "1\t2\r\n"
},
"form": {},
"headers": {
"Content-Type": "multipart/form-data; boundary=e0f9ff1303b841498ae53a903f27e565",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.2.1 CPython/2.7.3 Windows/7",
},
"url": "http://httpbin.org/post"
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

一次性上传多个文件：

>>> url = 'http://httpbin.org/post'
>>> multiple_files = [('images', ('foo.png', open('foo.png', 'rb'), 'image/png')),
('images', ('bar.png', open('bar.png', 'rb'), 'image/png'))]
>>> r = requests.post(url, files=multiple_files)
>>> r.text
{
...
'files': {'images': 'data:image/png;base64,iVBORw ....'}
'Content-Type': 'multipart/form-data; boundary=3131623adb2043caaeb5538cc7aa0b3a',
...
}

1
2
3
4
5
6
7
8
9
10
11

设置Headers

>>> import json
>>> url = 'https://api.github.com/some/endpoint'
>>> payload = {'some': 'data'}
>>> headers = {'content-type': 'application/json'}
>>> r = requests.post(url, data=json.dumps(payload), headers=headers)

1
2
3
4
5

Response对象：

获取unicode字符串，会自动根据响应头部的字符编码(r.encoding)进行解码，当然也可以自己设定r.encoding：

>>> r = requests.get('https://github.com/timeline.json')
>>> r.text
u'{"message":"Hello there, wayfaring stranger...

1
2
3

获取bytes字符串，会自动解码gzip和deflate数据：

>>> r.content
'{"message":"Hello there, wayfaring stranger. ..

1
2

要存储web图片，可以：

>>> from PIL import Image
>>> from StringIO import StringIO
>>> i = Image.open(StringIO(r.content))

1
2
3

可以解码json对象：

>>> r.json()
{u'documentation_url': u'https://developer...
返回raw response，需要在requests请求中将stream设为True：

>>> r = requests.get('https://github.com/timeline.json', stream=True)
>>> r.raw
<requests.packages.urllib3.response.HTTPResponse object at 0x101194810>
>>> r.raw.read(10)
'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03'

1
2
3
4
5
6
7
8
9
10

如果不想一次性处理全部的数据，可以：

tarball_url = 'https://github.com/kennethreitz/requests/tarball/master'
r = requests.get(tarball_url, stream=True)
if int(r.headers['content-length']) < TOO_LONG:
content = r.content
...

1
2
3
4
5

也可以迭代的处理数据：

with open(filename, 'wb') as fd:
for chunk in r.iter_content(chunk_size):
fd.write(chunk)

1
2
3

或者：

import json
import requests
r = requests.get('http://httpbin.org/stream/20', stream=True)
for line in r.iter_lines():
# filter out keep-alive new lines
if line:
print(json.loads(line))

1
2
3
4
5
6
7

获取响应代码：

>>> r = requests.get('http://httpbin.org/get')
>>> r.status_code
200

1
2
3

获取响应headers：

>>> r.headers
{
'content-encoding': 'gzip',
'transfer-encoding': 'chunked',
'connection': 'close',
'server': 'nginx/1.0.4',
'x-runtime': '148ms',
'etag': '"e1ca502697e5c9317743dc078f67693f"',
'content-type': 'application/json'
}

1
2
3
4
5
6
7
8
9
10

获取发送的headers

>>> r.request.headers
{'Accept-Encoding': 'identity, deflate, compress, gzip',
'Accept': '*/*', 'User-Agent': 'python-requests/1.2.0'}
Cookie

1
2
3
4
5

获取cookie，返回CookieJar对象：

>>> url = 'http://www.baidu.com'
>>> r = requests.get(url)
>>> r.cookies

1
2
3

将CookieJar转为字典：

>>> requests.utils.dict_from_cookiejar(r.cookies)
{'BAIDUID': '84722199DF8EDC372D549EC56CA1A0E2:FG=1', 'BD_HOME': '0', 'BDSVRTM': '0'}

1
2

将字典转为CookieJar：

requests.utils.cookiejar_from_dict(cookie_dict, cookiejar=None, overwrite=True)

1

上传自己设置的cookie，使用cookies参数，可以是字典或者CookieJar对象：

>>> url = 'http://httpbin.org/cookies'
>>> cookies = dict(cookies_are='working')
>>> r = requests.get(url, cookies=cookies)
>>> r.text
'{"cookies": {"cookies_are": "working"}}'

1
2
3
4
5

如果需要在会话中保留cookie，需要用到后面要说的Session。

Redirection and History

可以用history属性来追踪redirection

>>> r = requests.get('http://github.com')
>>> r.url
'https://github.com/'
>>> r.status_code
200
>>> r.history
[<Response [301]>]
Session

1
2
3
4
5
6
7
8

要在会话中保留状态，可以使用request.Session()。

Session可以使用get，post等方法，Session对象在请求时允许你保留一定的参数和自动设置cookie

s = requests.Session()
s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')   #cookie保留在s中
r = s.get("http://httpbin.org/cookies") #再次访问时会保留cookie
print(r.text)
# '{"cookies": {"sessioncookie": "123456789"}}'

1
2
3
4
5

也可以自己设置headers，cookies：

s = requests.Session()
s.auth = ('user', 'pass')
s.headers.update({'x-test': 'true'})
s.get('http://httpbin.org/headers', headers={'x-test2': 'true'})    #  'x-test' and 'x-test2' 都会被发送

1
2
3
4

预设Request

可以在发送request前做些额外的设定

from requests import Request, Session

s = Session()
req = Request('GET', url,
data=data,
headers=header
)
prepped = req.prepare()

# do something with prepped.body
# do something with prepped.headers

resp = s.send(prepped,
stream=stream,
verify=verify,
proxies=proxies,
cert=cert,
timeout=timeout
)

print(resp.status_code)　

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

验证

Basic Authentication

>>> from requests.auth import HTTPBasicAuth
>>> requests.get('https://api.github.com/user', auth=HTTPBasicAuth('user', 'pass'))
<Response [200]>

1
2
3

因为HTTP Basic Auth很常用，所以也可以直接验证：

>>> requests.get('https://api.github.com/user', auth=('user', 'pass'))
<Response [200]>
Digest Authentication

>>> from requests.auth import HTTPDigestAuth
>>> url = 'http://httpbin.org/digest-auth/auth/user/pass'
>>> requests.get(url, auth=HTTPDigestAuth('user', 'pass'))
<Response [200]>
OAuth 1 Authentication

>>> import requests
>>> from requests_oauthlib import OAuth1
>>> url = 'https://api.twitter.com/1.1/account/verify_credentials.json'
>>> auth = OAuth1('YOUR_APP_KEY', 'YOUR_APP_SECRET',
'USER_OAUTH_TOKEN', 'USER_OAUTH_TOKEN_SECRET')
>>> requests.get(url, auth=auth)
<Response [200]>

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

也可以使用自己写的验证类。比如某个web服务接受将X-Pizza报头设置成密码的验证，可以这样写验证类：

from requests.auth import AuthBase
class PizzaAuth(AuthBase):
"""Attaches HTTP Pizza Authentication to the given Request object."""
def __init__(self, username):
# setup any auth-related data here
self.username = username
def __call__(self, r):
# modify and return the request
r.headers['X-Pizza'] = self.username
return r

1
2
3
4
5
6
7
8
9
10

使用：

>>> requests.get('http://pizzabin.org/admin', auth=PizzaAuth('kenneth'))
<Response [200]>

1
2

SSL证书验证

检查主机的ssl证书：

>>> requests.get('https://kennethreitz.com', verify=True)
raise ConnectionError(e)
ConnectionError: HTTPSConnectionPool(host='kennethreitz.com', port=443): Max retries exceeded with url: / (Caused by <class 'socket.error'>: [Errno 10061] )

1
2
3

github是有的：

>>> requests.get('https://github.com', verify=True)
<Response [200]>

1
2

如果你设置验证设置为False，也可以忽略验证SSL证书。

可以读取验证文件：

>>> requests.get('https://kennethreitz.com', cert=('/path/server.crt', '/path/key'))

1

代理

使用代理：

import requests
proxies = {
"http": "http://10.10.1.10:3128",
"https": "http://10.10.1.10:1080",
}
requests.get("http://example.org", proxies=proxies)

1
2
3
4
5
6

可以设置环境变量：

$ export HTTP_PROXY="http://10.10.1.10:3128"
$ export HTTPS_PROXY="http://10.10.1.10:1080"
$ python
>>> import requests
>>> requests.get("http://example.org")

1
2
3
4
5

如果代理需要验证：

proxies = {
"http": "http://user:pass@10.10.1.10:3128/",
}