这集我们来讲一个requests的封装函数。

作为一个程序员，我们经常会追求代码的复用性，所以就很多三方库，让我们不重复造轮子。但三方库也不是一步到位的，真正要完成目标还是要动动手的，把工具组装起来。相信每个人都封装过一些工具类。

作为一个爬虫小子，那肯定天天少不了爬取网页。那一般流程是什么呢？首先去分析下网页，然后开始写程序。先import requests，再去网页复制一个User-Agent，还要做异常处理，再判断一下状态码，若网页编码有问题还得再import 一个cchardet，然后再获取encoding，等等等等一堆。一次还好，但这种简单的流程我们每写一个程序就需要经历，很明显是重复性的劳动，非常地消耗耐心，可能本来跃跃欲试呢，做完这些基础操作就没多大兴趣了。

那么下面我就分享一下我封装的爬虫工具函数。

在代码写注释还难免会有讲不清晰的地方，视频讲解在此：https://www.bilibili.com/video/BV1PX4y1x7sV/

import requests
import cchardet
import traceback

def downloader(url, timeout=5, headers=None, debug=False, binary=False):
    _headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Safari/537.36',
    }
    redirected_url = url
    if headers:
        _headers = headers
    try:
        r = requests.get(url, headers=_headers, timeout=timeout)
        if binary:
            html = r.content
        else:
            encoding = cchardet.detect(r.content)['encoding']
            html = r.content.decode(encoding)
        status = r.status_code
        redirected_url = r.url
    except:
        if debug:
            traceback.print_exc()
        msg = 'failed download: {}'.format(url)
        print(msg)
        if binary:
            html = b''
        else:
            html = ''
        status = 0
    return status, html, redirected_url

if __name__ == '__main__':
    url = 'http://news.baidu.com/'
    s, html,real_url = downloader(url,debug=True)
    print(s, len(html),real_url)

import requests
import chardet
import traceback

def downloader(url, timeout=5, headers=None, debug=False, binary=False):
    _headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Safari/537.36',
    }
    redirected_url = url
    if headers:
        _headers = headers
    try:
        r = requests.get(url, headers=_headers, timeout=timeout)
        if binary:
            html = r.content
        else:
            encoding = chardet.detect(r.content)['encoding']
            encoding='gb18030' if encoding.lower() == 'gb2312' else encoding
            html = r.content.decode(encoding)
        status = r.status_code
        redirected_url = r.url
    except:
        if debug:
            traceback.print_exc()
        msg = '链接{}下载失败了'.format(url)
        print(msg)
        if binary:
            html = b''
        else:
            html = ''
        status = 0
    return status, html, redirected_url

if __name__ == '__main__':
    url = 'http://news.baidu.com/'
    s, html,real_url = downloader(url,debug=True)
    print(s, len(html),real_url)