Python新一代爬虫请求库!!
共 2430字,需浏览 5分钟
·
2021-10-21 07:37
来源 | Python编程与实战
在 Python3 网络爬虫领域最新的比较火的工具莫过于 httpx 了,号称新一代网络请求神库
对比大家常用的 requests
, 除了支持 requests
的所有操作之外,还具有以下特点:
同时支持同步和异步请求 支持 HTTP1.0/HTTP2.0 可直接向 WSGI 程序或 ASGI 程序发出请求 类型注释
从以上可以看出在 requests 的所有功能之上,增加了更多新的功能,相当于一个功能更强大的 requests !!
简单用法
首先需要使用 pip
进行安装pip insatll httpx
如果使用支持 HTTP/2 的功能, 使用以下安装pip install httpx[http2]
基本的使用方法和 requests
非常类似
r = httpx.get('https://httpbin.org/post')
r.text
r.status_code
r.content
上面是 get 请求,post 请求也是一样
r = httpx.post('https://httpbin.org/post', data={'key': 'value'})
r.json()
r.status_code
r.content
除了上面的发送表单格式数据之外,发送 json
类型数据时候使用 json
参数
requests 中我们习惯使用 requests.Session()
, 在 httpx 中用 httpx.Client()
来代替,代码如下:
>>> with httpx.Client() as client:
... r = client.get('https://example.com')
...
>>> r
200 OK]>
另外使用 Client
具有更高的性能,在使用 httpx 发送请求的时候会为每一个请求建立一个新的连接,如果你的请求量很大,效率相对于Client
会变得低效
因为Client
实例使用HTTP 连接池!在向同一主机发出多个请求时,Client 将重用底层 TCP 连接,而不是为每个请求重新创建一个。
所以它的性能会更好
减少跨请求的延迟 减少 CPU 使用率和往返次数 减少网络拥塞
同时还多了好几个功能,比如保持会话功能,维持整个请求过程中 cookie
的一致性等
事件监听
HTTPX 支持在请求和响应端监听的功能,常说的 hook
功能
可以非常方便的进行日志记录、监控或跟踪等
def log_request(request):
print(f"Request event hook: {request.method} {request.url} - Waiting for response")
def log_response(response):
request = response.request
print(f"Response event hook: {request.method} {request.url} - Status {response.status_code}")
client = httpx.Client(event_hooks={'request': [log_request], 'response': [log_response]})
如在请求完全准备好之后,但还未被发送到网络之前会调用 log_request
函数
在网络获取响应返回之后,但还未发送到调用着之前会调用 log_response
函数
通过上面两个函数,可以实现日志记录,请求监控等等功能
可以看到上面传参是通过列表 [log_request]
的方式,所以我们可以注册多个 hook
函数
异步请求
默认情况下,HTTPX 使用同步 API 进行请求,但其也支持异步请求。
异步请求的方式如下,使用AsyncClient
import asyncio
import httpx
async def main():
async with httpx.AsyncClient() as client:
response = await client.get('https://www.example.com/')
print(response)
asyncio.run(main())
HTTP/2
HTTP/2 是 HTTP 协议的主要新迭代,它提供了更高效的传输,并具有潜在的性能优势。HTTP/2 不会改变请求或响应的核心语义,但会改变数据发送到服务器和从服务器发送的方式
使用 httpx
客户端时,默认情况下不启用 HTTP/2 , 在安装 HTTP/2 依赖后可使用,方法也很简单
async with httpx.AsyncClient(http2=True) as client:
...
在安装好依赖之后,将 http2
参数设为 True
即可,非常的方便
HTTP/2 支持可用于Client
和AsyncClient
, 如果要发送大并发请求,使用异步效果会更好
但是不是所有的网站都支持 HTTP/2 协议, 可通过下面代码判断
client = httpx.AsyncClient(http2=True)
response = await client.get(...)
print(response.http_version)
# "HTTP/1.0", "HTTP/1.1", or "HTTP/2".
以上便是 httpx 的常见用法,和 requests 用法是不是非常的相似,不过 httpx 的功能更加丰富,赶紧用起来!