python爬虫学习之路(8) requests

1. 准备工作

在开始之前，请确保已经正确安装好了requests库。

2. 实例引入

urllib库中的urlopen()方法实际上是以GET方式请求网页，而requests中相应的方法就是get()方法，是不是感觉表达更明确一些？下面通过实例来看一下：

import requests r = requests.get(‘https://www.baidu.com/’) print(type(r)) print(r.status_code) print(type(r.text)) print(r.text) print(r.cookies)

1 2 3 4 5 6 7 8

import requests   r = requests . get ( ‘https://www.baidu.com/’ ) print ( type ( r ) ) print ( r . status_code ) print ( type ( r . text ) ) print ( r . text ) print ( r . cookies )

运行结果如下：

<class ‘requests.models.Response’> 200 <class ‘str’> <html> <head> <script> location.replace(location.href.replace(“https://”,”http://”)); </script> </head> <body> <noscript><meta http-equiv=”refresh” content=”0;url=http://www.baidu.com/”></noscript> </body> </html> <RequestsCookieJar[<Cookie BIDUPSID=992C3B26F4C4D09505C5E959D5FBC005 for .baidu.com/>, <Cookie PSTM=1472227535 for .baidu.com/>, <Cookie __bsi=15304754498609545148_00_40_N_N_2_0303_C02F_N_N_N_0 for .www.baidu.com/>, <Cookie BD_NOT_HTTPS=1 for www.baidu.com/>]>

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

< class ‘requests.models.Response’ > 200 < class ‘str’ > < html > < head >      <script>          location . replace ( location . href . replace ( “https://” , “http://” ) ) ;      </script> < / head > < body >      < noscript > < meta http - equiv = “refresh” content = “0;url=http://www.baidu.com/” > < / noscript > < / body > < / html > < RequestsCookieJar [ < Cookie BIDUPSID = 992C3B26F4C4D09505C5E959D5FBC005 for . baidu . com / > , < Cookie PSTM = 1472227535 for . baidu . com / > , < Cookie __bsi = 15304754498609545148_00_40_N_N_2_0303_C02F_N_N_N_0 for . www . baidu . com / > , < Cookie BD_NOT_HTTPS = 1 for www . baidu . com / > ] >

这里我们调用get()方法实现与urlopen()相同的操作，得到一个Response对象，然后分别输出了Response的类型、状态码、响应体的类型、内容以及Cookies。

通过运行结果可以发现，它的返回类型是requests.models.Response，响应体的类型是字符串str，Cookies的类型是RequestsCookieJar。

使用get()方法成功实现一个GET请求，这倒不算什么，更方便之处在于其他的请求类型依然可以用一句话来完成，示例如下：

r = requests.post(‘http://httpbin.org/post’) 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

r = requests . post ( ‘http://httpbin.org/post’ ) 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’ )

这里分别用post()、put()、delete()等方法实现了POST、PUT、DELETE等请求。是不是比urllib简单太多了？

其实这只是冰山一角，更多的还在后面。

3. GET请求

HTTP中最常见的请求之一就是GET请求，下面首先来详细了解一下利用requests构建GET请求的方法。

基本实例

首先，构建一个最简单的GET请求，请求的链接为http://httpbin.org/get，该网站会判断如果客户端发起的是GET请求的话，它返回相应的请求信息：

import requests r = requests.get(‘http://httpbin.org/get’) print(r.text)

1 2 3 4

import requests   r = requests . get ( ‘http://httpbin.org/get’ ) print ( r . text )

运行结果如下：

{ “args”: {}, “headers”: { “Accept”: “*/*”, “Accept-Encoding”: “gzip, deflate”, “Host”: “httpbin.org”, “User-Agent”: “python-requests/2.10.0” }, “origin”: “122.4.215.33”, “url”: “http://httpbin.org/get” }

1 2 3 4 5 6 7 8 9 10 11

{    “args” : { } ,    “headers” : {      “Accept” : “*/*” ,      “Accept-Encoding” : “gzip, deflate” ,      “Host” : “httpbin.org” ,      “User-Agent” : “python-requests/2.10.0”    } ,    “origin” : “122.4.215.33” ,    “url” : “http://httpbin.org/get” }

可以发现，我们成功发起了GET请求，返回结果中包含请求头、URL、IP等信息。

那么，对于GET请求，如果要附加额外的信息，一般怎样添加呢？比如现在想添加两个参数，其中name是germey，age是22。要构造这个请求链接，是不是要直接写成：

r = requests.get(‘http://httpbin.org/get?name=germey&age=22’)

1	r = requests . get ( ‘http://httpbin.org/get?name=germey&age=22’ )

这样也可以，但是是不是有点不人性化呢？一般情况下，这种信息数据会用字典来存储。那么，怎样来构造这个链接呢？

这同样很简单，利用params这个参数就好了，示例如下：

import requests data = { ‘name’: ‘germey’, ‘age’: 22 } r = requests.get(“http://httpbin.org/get”, params=data) print(r.text)

1 2 3 4 5 6 7 8

import requests   data = {      ‘name’ : ‘germey’ ,      ‘age’ : 22 } r = requests . get ( “http://httpbin.org/get” , params = data ) print ( r . text )

运行结果如下：

{ “args”: { “age”: “22”, “name”: “germey” }, “headers”: { “Accept”: “*/*”, “Accept-Encoding”: “gzip, deflate”, “Host”: “httpbin.org”, “User-Agent”: “python-requests/2.10.0” }, “origin”: “122.4.215.33”, “url”: “http://httpbin.org/get?age=22&name=germey” }

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

{    “args” : {      “age” : “22” ,      “name” : “germey”    } ,    “headers” : {      “Accept” : “*/*” ,      “Accept-Encoding” : “gzip, deflate” ,      “Host” : “httpbin.org” ,      “User-Agent” : “python-requests/2.10.0”    } ,    “origin” : “122.4.215.33” ,    “url” : “http://httpbin.org/get?age=22&name=germey” }

通过运行结果可以判断，请求的链接自动被构造成了：http://httpbin.org/get?age=22&name=germey。

另外，网页的返回类型实际上是str类型，但是它很特殊，是JSON格式的。所以，如果想直接解析返回结果，得到一个字典格式的话，可以直接调用json()方法。示例如下：

import requests r = requests.get(“http://httpbin.org/get”) print(type(r.text)) print(r.json()) print(type(r.json()))

1 2 3 4 5 6

import requests   r = requests . get ( “http://httpbin.org/get” ) print ( type ( r . text ) ) print ( r . json ( ) ) print ( type ( r . json ( ) ) )

运行结果如下：

<class ‘str’> {‘headers’: {‘Accept-Encoding’: ‘gzip, deflate’, ‘Accept’: ‘*/*’, ‘Host’: ‘httpbin.org’, ‘User-Agent’: ‘python-requests/2.10.0’}, ‘url’: ‘http://httpbin.org/get’, ‘args’: {}, ‘origin’: ‘182.33.248.131’} <class ‘dict’>

1 2 3

< class ‘str’ > { ‘headers’ : { ‘Accept-Encoding’ : ‘gzip, deflate’ , ‘Accept’ : ‘*/*’ , ‘Host’ : ‘httpbin.org’ , ‘User-Agent’ : ‘python-requests/2.10.0’ } , ‘url’ : ‘http://httpbin.org/get’ , ‘args’ : { } , ‘origin’ : ‘182.33.248.131’ } < class ‘dict’ >

可以发现，调用json()方法，就可以将返回结果是JSON格式的字符串转化为字典。

但需要注意的书，如果返回结果不是JSON格式，便会出现解析错误，抛出json.decoder.JSONDecodeError异常。

抓取网页

上面的请求链接返回的是JSON形式的字符串，那么如果请求普通的网页，则肯定能获得相应的内容了。下面以“知乎”→“发现”页面为例来看一下：

import requests import re headers = { ‘User-Agent’: ‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36’ } r = requests.get(“https://www.zhihu.com/explore”, headers=headers) pattern = re.compile(‘explore-feed.*?question_link.*?>(.*?)</a>’, re.S) titles = re.findall(pattern, r.text) print(titles)

1 2 3 4 5 6 7 8 9 10

import requests import re   headers = {      ‘User-Agent’ : ‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36’ } r = requests . get ( “https://www.zhihu.com/explore” , headers = headers ) pattern = re . compile ( ‘explore-feed.*?question_link.*?>(.*?)</a>’ , re . S ) titles = re . findall ( pattern , r . text ) print ( titles )

这里我们加入了headers信息，其中包含了User-Agent字段信息，也就是浏览器标识信息。如果不加这个，知乎会禁止抓取。

接下来我们用到了最基础的正则表达式来匹配出所有的问题内容。关于正则表达式的相关内容，我们会在3.3节中详细介绍，这里作为实例来配合讲解。

运行结果如下：

[‘\n为什么很多人喜欢提及「拉丁语系」这个词？\n’, ‘\n在没有水的情况下水系宝可梦如何战斗？\n’, ‘\n有哪些经验可以送给 Kindle 新人？\n’, ‘\n谷歌的广告业务是如何赚钱的？\n’, ‘\n程序员该学习什么，能在上学期间挣钱？\n’, ‘\n有哪些原本只是一个小消息，但回看发现是个惊天大新闻的例子？\n’, ‘\n如何评价今敏？\n’, ‘\n源氏是怎么把那么长的刀从背后拔出来的？\n’, ‘\n年轻时得了绝症或大病是怎样的感受？\n’, ‘\n年轻时得了绝症或大病是怎样的感受？\n’]

1	[ ‘\n为什么很多人喜欢提及「拉丁语系」这个词？\n’ , ‘\n在没有水的情况下水系宝可梦如何战斗？\n’ , ‘\n有哪些经验可以送给 Kindle 新人？\n’ , ‘\n谷歌的广告业务是如何赚钱的？\n’ , ‘\n程序员该学习什么，能在上学期间挣钱？\n’ , ‘\n有哪些原本只是一个小消息，但回看发现是个惊天大新闻的例子？\n’ , ‘\n如何评价今敏？\n’ , ‘\n源氏是怎么把那么长的刀从背后拔出来的？\n’ , ‘\n年轻时得了绝症或大病是怎样的感受？\n’ , ‘\n年轻时得了绝症或大病是怎样的感受？\n’ ]

我们发现，这里成功提取出了所有的问题内容。

抓取二进制数据

在上面的例子中，我们抓取的是知乎的一个页面，实际上它返回的是一个HTML文档。如果想抓去图片、音频、视频等文件，应该怎么办呢？

图片、音频、视频这些文件本质上都是由二进制码组成的，由于有特定的保存格式和对应的解析方式，我们才可以看到这些形形色色的多媒体。所以，想要抓取它们，就要拿到它们的二进制码。

下面以GitHub的站点图标为例来看一下：

import requests r = requests.get(“https://github.com/favicon.ico”) print(r.text) print(r.content)

1 2 3 4 5

import requests   r = requests . get ( “https://github.com/favicon.ico” ) print ( r . text ) print ( r . content )

这里抓取的内容是站点图标，也就是在浏览器每一个标签上显示的小图标，如图3-3所示。

图3-3 站点图标

这里打印了Response对象的两个属性，一个是text，另一个是content。

运行结果如图3-4所示，其中前两行是r.text的结果，最后一行是r.content的结果。

图3-4 运行结果

可以注意到，前者出现了乱码，后者结果前带有一个b，这代表是bytes类型的数据。由于图片是二进制数据，所以前者在打印时转化为str类型，也就是图片直接转化为字符串，这理所当然会出现乱码。

接着，我们将刚才提取到的图片保存下来：

import requests r = requests.get(“https://github.com/favicon.ico”) with open(‘favicon.ico’, ‘wb’) as f: f.write(r.content)

1 2 3 4 5

import requests   r = requests . get ( “https://github.com/favicon.ico” ) with open ( ‘favicon.ico’ , ‘wb’ ) as f :      f . write ( r . content )

这里用了open()方法，它的第一个参数是文件名称，第二个参数代表以二进制写的形式打开，可以向文件里写入二进制数据。

运行结束之后，可以发现在文件夹中出现了名为favicon.ico的图标，如图3-5所示。

图3-5 图标

同样地，音频和视频文件也可以用这种方法获取。

添加headers

与urllib.request一样，我们也可以通过headers参数来传递头信息。

比如，在上面“知乎”的例子中，如果不传递headers，就不能正常请求：

import requests r = requests.get(“https://www.zhihu.com/explore”) print(r.text)

1 2 3 4

import requests   r = requests . get ( “https://www.zhihu.com/explore” ) print ( r . text )

运行结果如下：

<html><body><h1>500 Server Error</h1> An internal server error occured. </body></html>

1 2 3

< html > < body > < h1 > 500 Server Error < / h1 > An internal server error occured . < / body > < / html >

但如果加上headers并加上User-Agent信息，那就没问题了：

import requests headers = { ‘User-Agent’: ‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36’ } r = requests.get(“https://www.zhihu.com/explore”, headers=headers) print(r.text)

1 2 3 4 5 6 7

import requests   headers = {      ‘User-Agent’ : ‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36’ } r = requests . get ( “https://www.zhihu.com/explore” , headers = headers ) print ( r . text )

当然，我们可以在headers这个参数中任意添加其他的字段信息。

4. POST请求

前面我们了解了最基本的GET请求，另外一种比较常见的请求方式是POST。使用requests实现POST请求同样非常简单，示例如下：

import requests data = {‘name’: ‘germey’, ‘age’: ‘22’} r = requests.post(“http://httpbin.org/post”, data=data) print(r.text)

1 2 3 4 5

import requests   data = { ‘name’ : ‘germey’ , ‘age’ : ‘22’ } r = requests . post ( “http://httpbin.org/post” , data = data ) print ( r . text )

这里还是请求http://httpbin.org/post，该网站可以判断如果请求是POST方式，就把相关请求信息返回。

运行结果如下：

{ “args”: {}, “data”: “”, “files”: {}, “form”: { “age”: “22”, “name”: “germey” }, “headers”: { “Accept”: “*/*”, “Accept-Encoding”: “gzip, deflate”, “Content-Length”: “18”, “Content-Type”: “application/x-www-form-urlencoded”, “Host”: “httpbin.org”, “User-Agent”: “python-requests/2.10.0” }, “json”: null, “origin”: “182.33.248.131”, “url”: “http://httpbin.org/post” }

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

{    “args” : { } ,    “data” : “” ,    “files” : { } ,    “form” : {      “age” : “22” ,      “name” : “germey”    } ,    “headers” : {      “Accept” : “*/*” ,      “Accept-Encoding” : “gzip, deflate” ,      “Content-Length” : “18” ,      “Content-Type” : “application/x-www-form-urlencoded” ,      “Host” : “httpbin.org” ,      “User-Agent” : “python-requests/2.10.0”    } ,    “json” : null ,    “origin” : “182.33.248.131” ,    “url” : “http://httpbin.org/post” }

可以发现，我们成功获得了返回结果，其中form部分就是提交的数据，这就证明POST请求成功发送了。

5. 响应

发送请求后，得到的自然就是响应。在上面的实例中，我们使用text和content获取了响应的内容。此外，还有很多属性和方法可以用来获取其他信息，比如状态码、响应头、Cookies等。示例如下：

import requests r = requests.get(‘http://www.jianshu.com’) print(type(r.status_code), r.status_code) print(type(r.headers), r.headers) print(type(r.cookies), r.cookies) print(type(r.url), r.url) print(type(r.history), r.history)

1 2 3 4 5 6 7 8

import requests   r = requests . get ( ‘http://www.jianshu.com’ ) print ( type ( r . status_code ) , r . status_code ) print ( type ( r . headers ) , r . headers ) print ( type ( r . cookies ) , r . cookies ) print ( type ( r . url ) , r . url ) print ( type ( r . history ) , r . history )

这里分别打印输出status_code属性得到状态码，输出headers属性得到响应头，输出cookies属性得到Cookies，输出url属性得到URL，输出history属性得到请求历史。

运行结果如下：

<class ‘int’> 200 <class ‘requests.structures.CaseInsensitiveDict’> {‘X-Runtime’: ‘0.006363’, ‘Connection’: ‘keep-alive’, ‘Content-Type’: ‘text/html; charset=utf-8’, ‘X-Content-Type-Options’: ‘nosniff’, ‘Date’: ‘Sat, 27 Aug 2016 17:18:51 GMT’, ‘Server’: ‘nginx’, ‘X-Frame-Options’: ‘DENY’, ‘Content-Encoding’: ‘gzip’, ‘Vary’: ‘Accept-Encoding’, ‘ETag’: ‘W/”3abda885e0e123bfde06d9b61e696159”’, ‘X-XSS-Protection’: ‘1; mode=block’, ‘X-Request-Id’: ‘a8a3c4d5-f660-422f-8df9-49719dd9b5d4’, ‘Transfer-Encoding’: ‘chunked’, ‘Set-Cookie’: ‘read_mode=day; path=/, default_font=font2; path=/, _session_id=xxx; path=/; HttpOnly’, ‘Cache-Control’: ‘max-age=0, private, must-revalidate’} <class ‘requests.cookies.RequestsCookieJar’> <RequestsCookieJar[<Cookie _session_id=xxx for www.jianshu.com/>, <Cookie default_font=font2 for www.jianshu.com/>, <Cookie read_mode=day for www.jianshu.com/>]> <class ‘str’> http://www.jianshu.com/ <class ‘list’> []

1 2 3 4 5

< class ‘int’ > 200 < class ‘requests.structures.CaseInsensitiveDict’ > { ‘X-Runtime’ : ‘0.006363’ , ‘Connection’ : ‘keep-alive’ , ‘Content-Type’ : ‘text/html; charset=utf-8’ , ‘X-Content-Type-Options’ : ‘nosniff’ , ‘Date’ : ‘Sat, 27 Aug 2016 17:18:51 GMT’ , ‘Server’ : ‘nginx’ , ‘X-Frame-Options’ : ‘DENY’ , ‘Content-Encoding’ : ‘gzip’ , ‘Vary’ : ‘Accept-Encoding’ , ‘ETag’ : ‘W/”3abda885e0e123bfde06d9b61e696159”’ , ‘X-XSS-Protection’ : ‘1; mode=block’ , ‘X-Request-Id’ : ‘a8a3c4d5-f660-422f-8df9-49719dd9b5d4’ , ‘Transfer-Encoding’ : ‘chunked’ , ‘Set-Cookie’ : ‘read_mode=day; path=/, default_font=font2; path=/, _session_id=xxx; path=/; HttpOnly’ , ‘Cache-Control’ : ‘max-age=0, private, must-revalidate’ } < class ‘requests.cookies.RequestsCookieJar’ > < RequestsCookieJar [ < Cookie _session_id = xxx for www . jianshu . com / > , < Cookie default_font = font2 for www . jianshu . com / > , < Cookie read_mode = day for www . jianshu . com / > ] > < class ‘str’ > http : //www.jianshu.com/ < class ‘list’ > [ ]

因为session_id过长，在此简写。可以看到，headers和cookies这两个属性得到的结果分别是CaseInsensitiveDict和RequestsCookieJar类型。

状态码常用来判断请求是否成功，而requests还提供了一个内置的状态码查询对象requests.codes，示例如下：

import requests r = requests.get(‘http://www.jianshu.com’) exit() if not r.status_code == requests.codes.ok else print(‘Request Successfully’)

1 2 3 4

import requests   r = requests . get ( ‘http://www.jianshu.com’ ) exit ( ) if not r . status_code == requests . codes . ok else print ( ‘Request Successfully’ )

这里通过比较返回码和内置的成功的返回码，来保证请求得到了正常响应，输出成功请求的消息，否则程序终止，这里我们用requests.codes.ok得到的是成功的状态码200。

那么，肯定不能只有ok这个条件码。下面列出了返回码和相应的查询条件：

    <div id="crayon-5b4a92b6b038c438650472" class="crayon-syntax crayon-theme-github crayon-font-monaco crayon-os-pc print-yes notranslate crayon-wrapped" data-settings=" minimize scroll-mouseover wrap" style="margin-top: 12px; margin-bottom: 12px; float: left; font-size: 12px !important; line-height: 15px !important; height: auto;">

        <div class="crayon-toolbar" data-settings=" show" style="font-size: 12px !important;height: 18px !important; line-height: 18px !important;"><span class="crayon-title"></span>
        <div class="crayon-tools" style="font-size: 12px !important;height: 18px !important; line-height: 18px !important;"><div class="crayon-button crayon-nums-button crayon-pressed" title="切换是否显示行编号"><div class="crayon-button-icon"></div></div><div class="crayon-button crayon-plain-button" title="纯文本显示代码"><div class="crayon-button-icon"></div></div><div class="crayon-button crayon-wrap-button crayon-pressed" title="切换自动换行"><div class="crayon-button-icon"></div></div><div class="crayon-button crayon-expand-button" title="点击展开代码" style="display: none;"><div class="crayon-button-icon"></div></div><div class="crayon-button crayon-copy-button" title="复制代码"><div class="crayon-button-icon"></div></div><div class="crayon-button crayon-popup-button" title="在新窗口中显示代码"><div class="crayon-button-icon"></div></div></div></div>
        <div class="crayon-info" style="min-height: 16.8px !important; line-height: 16.8px !important;"></div>
        <div class="crayon-plain-wrap"><textarea class="crayon-plain print-no" data-settings="dblclick" readonly="" style="tab-size: 4; font-size: 12px !important; line-height: 15px !important; z-index: 0; opacity: 0; overflow: hidden;"># 信息性状态码

100: (‘continue’,),
101: (‘switching_protocols’,),
102: (‘processing’,),
103: (‘checkpoint’,),
122: (‘uri_too_long’, ‘request_uri_too_long’),

# 成功状态码 200: (‘ok’, ‘okay’, ‘all_ok’, ‘all_okay’, ‘all_good’, ‘\\o/’, ‘✓’), 201: (‘created’,), 202: (‘accepted’,), 203: (‘non_authoritative_info’, ‘non_authoritative_information’), 204: (‘no_content’,), 205: (‘reset_content’, ‘reset’), 206: (‘partial_content’, ‘partial’), 207: (‘multi_status’, ‘multiple_status’, ‘multi_stati’, ‘multiple_stati’), 208: (‘already_reported’,), 226: (‘im_used’,), # 重定向状态码 300: (‘multiple_choices’,), 301: (‘moved_permanently’, ‘moved’, ‘\\o-‘), 302: (‘found’,), 303: (‘see_other’, ‘other’), 304: (‘not_modified’,), 305: (‘use_proxy’,), 306: (‘switch_proxy’,), 307: (‘temporary_redirect’, ‘temporary_moved’, ‘temporary’), 308: (‘permanent_redirect’, ‘resume_incomplete’, ‘resume’,), # These 2 to be removed in 3.0 # 客户端错误状态码 400: (‘bad_request’, ‘bad’), 401: (‘unauthorized’,), 402: (‘payment_required’, ‘payment’), 403: (‘forbidden’,), 404: (‘not_found’, ‘-o-‘), 405: (‘method_not_allowed’, ‘not_allowed’), 406: (‘not_acceptable’,), 407: (‘proxy_authentication_required’, ‘proxy_auth’, ‘proxy_authentication’), 408: (‘request_timeout’, ‘timeout’), 409: (‘conflict’,), 410: (‘gone’,), 411: (‘length_required’,), 412: (‘precondition_failed’, ‘precondition’), 413: (‘request_entity_too_large’,), 414: (‘request_uri_too_large’,), 415: (‘unsupported_media_type’, ‘unsupported_media’, ‘media_type’), 416: (‘requested_range_not_satisfiable’, ‘requested_range’, ‘range_not_satisfiable’), 417: (‘expectation_failed’,), 418: (‘im_a_teapot’, ‘teapot’, ‘i_am_a_teapot’), 421: (‘misdirected_request’,), 422: (‘unprocessable_entity’, ‘unprocessable’), 423: (‘locked’,), 424: (‘failed_dependency’, ‘dependency’), 425: (‘unordered_collection’, ‘unordered’), 426: (‘upgrade_required’, ‘upgrade’), 428: (‘precondition_required’, ‘precondition’), 429: (‘too_many_requests’, ‘too_many’), 431: (‘header_fields_too_large’, ‘fields_too_large’), 444: (‘no_response’, ‘none’), 449: (‘retry_with’, ‘retry’), 450: (‘blocked_by_windows_parental_controls’, ‘parental_controls’), 451: (‘unavailable_for_legal_reasons’, ‘legal_reasons’), 499: (‘client_closed_request’,),

服务端错误状态码

500: (‘internal_server_error’, ‘server_error’, ‘/o\’, ‘✗’),
501: (‘not_implemented’,),
502: (‘bad_gateway’,),
503: (‘service_unavailable’, ‘unavailable’),
504: (‘gateway_timeout’,),
505: (‘http_version_not_supported’, ‘http_version’),
506: (‘variant_also_negotiates’,),
507: (‘insufficient_storage’,),
509: (‘bandwidth_limit_exceeded’, ‘bandwidth’),
510: (‘not_extended’,),
511: (‘network_authentication_required’, ‘network_auth’, ‘network_authentication’)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78

# 信息性状态码 100 : ( ‘continue’ , ) , 101 : ( ‘switching_protocols’ , ) , 102 : ( ‘processing’ , ) , 103 : ( ‘checkpoint’ , ) , 122 : ( ‘uri_too_long’ , ‘request_uri_too_long’ ) ,   # 成功状态码 200 : ( ‘ok’ , ‘okay’ , ‘all_ok’ , ‘all_okay’ , ‘all_good’ , ‘\o/’ , ‘✓’ ) , 201 : ( ‘created’ , ) , 202 : ( ‘accepted’ , ) , 203 : ( ‘non_authoritative_info’ , ‘non_authoritative_information’ ) , 204 : ( ‘no_content’ , ) , 205 : ( ‘reset_content’ , ‘reset’ ) , 206 : ( ‘partial_content’ , ‘partial’ ) , 207 : ( ‘multi_status’ , ‘multiple_status’ , ‘multi_stati’ , ‘multiple_stati’ ) , 208 : ( ‘already_reported’ , ) , 226 : ( ‘im_used’ , ) ,   # 重定向状态码 300 : ( ‘multiple_choices’ , ) , 301 : ( ‘moved_permanently’ , ‘moved’ , ‘\o-‘ ) , 302 : ( ‘found’ , ) , 303 : ( ‘see_other’ , ‘other’ ) , 304 : ( ‘not_modified’ , ) , 305 : ( ‘use_proxy’ , ) , 306 : ( ‘switch_proxy’ , ) , 307 : ( ‘temporary_redirect’ , ‘temporary_moved’ , ‘temporary’ ) , 308 : ( ‘permanent_redirect’ ,        ‘resume_incomplete’ , ‘resume’ , ) , # These 2 to be removed in 3.0   # 客户端错误状态码 400 : ( ‘bad_request’ , ‘bad’ ) , 401 : ( ‘unauthorized’ , ) , 402 : ( ‘payment_required’ , ‘payment’ ) , 403 : ( ‘forbidden’ , ) , 404 : ( ‘not_found’ , ‘-o-‘ ) , 405 : ( ‘method_not_allowed’ , ‘not_allowed’ ) , 406 : ( ‘not_acceptable’ , ) , 407 : ( ‘proxy_authentication_required’ , ‘proxy_auth’ , ‘proxy_authentication’ ) , 408 : ( ‘request_timeout’ , ‘timeout’ ) , 409 : ( ‘conflict’ , ) , 410 : ( ‘gone’ , ) , 411 : ( ‘length_required’ , ) , 412 : ( ‘precondition_failed’ , ‘precondition’ ) , 413 : ( ‘request_entity_too_large’ , ) , 414 : ( ‘request_uri_too_large’ , ) , 415 : ( ‘unsupported_media_type’ , ‘unsupported_media’ , ‘media_type’ ) , 416 : ( ‘requested_range_not_satisfiable’ , ‘requested_range’ , ‘range_not_satisfiable’ ) , 417 : ( ‘expectation_failed’ , ) , 418 : ( ‘im_a_teapot’ , ‘teapot’ , ‘i_am_a_teapot’ ) , 421 : ( ‘misdirected_request’ , ) , 422 : ( ‘unprocessable_entity’ , ‘unprocessable’ ) , 423 : ( ‘locked’ , ) , 424 : ( ‘failed_dependency’ , ‘dependency’ ) , 425 : ( ‘unordered_collection’ , ‘unordered’ ) , 426 : ( ‘upgrade_required’ , ‘upgrade’ ) , 428 : ( ‘precondition_required’ , ‘precondition’ ) , 429 : ( ‘too_many_requests’ , ‘too_many’ ) , 431 : ( ‘header_fields_too_large’ , ‘fields_too_large’ ) , 444 : ( ‘no_response’ , ‘none’ ) , 449 : ( ‘retry_with’ , ‘retry’ ) , 450 : ( ‘blocked_by_windows_parental_controls’ , ‘parental_controls’ ) , 451 : ( ‘unavailable_for_legal_reasons’ , ‘legal_reasons’ ) , 499 : ( ‘client_closed_request’ , ) ,   # 服务端错误状态码 500 : ( ‘internal_server_error’ , ‘server_error’ , ‘/o\’ , ‘✗’ ) , 501 : ( ‘not_implemented’ , ) , 502 : ( ‘bad_gateway’ , ) , 503 : ( ‘service_unavailable’ , ‘unavailable’ ) , 504 : ( ‘gateway_timeout’ , ) , 505 : ( ‘http_version_not_supported’ , ‘http_version’ ) , 506 : ( ‘variant_also_negotiates’ , ) , 507 : ( ‘insufficient_storage’ , ) , 509 : ( ‘bandwidth_limit_exceeded’ , ‘bandwidth’ ) , 510 : ( ‘not_extended’ , ) , 511 : ( ‘network_authentication_required’ , ‘network_auth’ , ‘network_authentication’ )

比如，如果想判断结果是不是404状态，可以用requests.codes.not_found来比对。

转载请注明：静觅 » [Python3网络爬虫开发实战] 3.2.1-基本用法