Python Requests

Python Requests: راهنمای جامع برای مبتدیان

مقدمه

در دنیای امروز، تعامل با وب‌سایت‌ها و سرویس‌های تحت وب بخش جدایی‌ناپذیری از برنامه‌نویسی است. پایتون، به عنوان یکی از محبوب‌ترین زبان‌های برنامه‌نویسی، ابزارهای قدرتمندی برای این منظور ارائه می‌دهد. یکی از این ابزارها، کتابخانه Requests است که فرآیند ارسال درخواست‌های HTTP و دریافت پاسخ‌ها را به طرز چشمگیری ساده می‌کند. این مقاله، یک راهنمای جامع برای مبتدیان در زمینه استفاده از کتابخانه Requests در پایتون است. هدف از این راهنما، آشنایی شما با مفاهیم پایه، روش‌های مختلف ارسال درخواست‌ها و نحوه پردازش پاسخ‌هاست. درک این مفاهیم، به شما کمک می‌کند تا بتوانید به راحتی با APIهای مختلف ارتباط برقرار کنید و داده‌های مورد نیاز خود را دریافت کنید. این دانش در زمینه‌هایی مانند تجارت الگوریتمی، تحلیل داده، یادگیری ماشین و به ویژه در بازارهای مالی و فیوچرز رمزنگاری بسیار حیاتی است.

پیش‌نیازها

• نصب پایتون: اطمینان حاصل کنید که پایتون روی سیستم شما نصب شده است. می‌توانید آخرین نسخه را از وب‌سایت رسمی پایتون ([[۱]]) دانلود کنید.
• نصب کتابخانه Requests: برای نصب کتابخانه Requests، می‌توانید از مدیر بسته pip استفاده کنید. کافیست دستور زیر را در ترمینال یا خط فرمان خود اجرا کنید:

   pip install requests

• آشنایی با HTTP: درک مفاهیم پایه HTTP مانند متدهای (GET, POST, PUT, DELETE و غیره) و کدهای وضعیت (Status Codes) ضروری است. برای اطلاعات بیشتر می‌توانید به [[۲]] مراجعه کنید.

مفاهیم پایه

• **درخواست HTTP (HTTP Request):** یک پیام است که توسط یک کلاینت (مانند مرورگر وب یا اسکریپت پایتون) به یک سرور ارسال می‌شود. این پیام شامل اطلاعاتی مانند متد درخواست، آدرس URL و هدرها است.
• **پاسخ HTTP (HTTP Response):** پاسخی است که توسط سرور به کلاینت ارسال می‌شود. این پاسخ شامل اطلاعاتی مانند کد وضعیت، هدرها و بدنه (Body) است.
• **متد HTTP (HTTP Method):** نوع عملیاتی که کلاینت می‌خواهد روی سرور انجام دهد را مشخص می‌کند. متدهای رایج عبارتند از:

   *   **GET:** برای دریافت داده‌ها از سرور.
   *   **POST:** برای ارسال داده‌ها به سرور برای ایجاد یا به‌روزرسانی منابع.
   *   **PUT:** برای جایگزینی یک منبع موجود با داده‌های جدید.
   *   **DELETE:** برای حذف یک منبع.

• **آدرس URL (URL):** آدرس منبعی که کلاینت می‌خواهد با آن تعامل کند.
• **هدرها (Headers):** اطلاعات اضافی درباره درخواست یا پاسخ که به سرور یا کلاینت ارسال می‌شوند.
• **کد وضعیت (Status Code):** یک عدد سه رقمی است که نشان‌دهنده نتیجه درخواست است. کدهای وضعیت رایج عبارتند از:

   *   **200 OK:**  درخواست با موفقیت انجام شد.
   *   **404 Not Found:**  منبع مورد نظر یافت نشد.
   *   **500 Internal Server Error:**  خطایی در سرور رخ داده است.

ارسال درخواست‌های GET

ساده‌ترین نوع درخواست، درخواست GET است که برای دریافت داده‌ها از سرور استفاده می‌شود. در اینجا یک مثال ساده از نحوه ارسال درخواست GET با استفاده از کتابخانه Requests آورده شده است:

```python import requests

response = requests.get('https://www.example.com')

print(response.status_code) print(response.text) ```

در این مثال:

1. ابتدا کتابخانه requests را با استفاده از دستور `import requests` وارد می‌کنیم. 2. سپس با استفاده از تابع `requests.get()` یک درخواست GET به آدرس `https://www.example.com` ارسال می‌کنیم. 3. متغیر `response` حاوی پاسخ ارسالی از سرور است. 4. با استفاده از `response.status_code` کد وضعیت پاسخ را چاپ می‌کنیم. 5. با استفاده از `response.text` محتوای پاسخ (HTML) را چاپ می‌کنیم.

ارسال درخواست‌های POST

درخواست‌های POST برای ارسال داده‌ها به سرور استفاده می‌شوند. این متد معمولاً برای ایجاد یا به‌روزرسانی منابع استفاده می‌شود. در اینجا یک مثال از نحوه ارسال درخواست POST با استفاده از کتابخانه Requests آورده شده است:

```python import requests

data = {'key1': 'value1', 'key2': 'value2'} response = requests.post('https://httpbin.org/post', data=data)

print(response.status_code) print(response.json()) ```

در این مثال:

1. یک دیکشنری به نام `data` ایجاد می‌کنیم که شامل داده‌هایی است که می‌خواهیم به سرور ارسال کنیم. 2. با استفاده از تابع `requests.post()` یک درخواست POST به آدرس `https://httpbin.org/post` ارسال می‌کنیم و داده‌ها را با استفاده از پارامتر `data` به همراه درخواست ارسال می‌کنیم. 3. متغیر `response` حاوی پاسخ ارسالی از سرور است. 4. با استفاده از `response.status_code` کد وضعیت پاسخ را چاپ می‌کنیم. 5. با استفاده از `response.json()` محتوای پاسخ را به صورت JSON دریافت و چاپ می‌کنیم.

ارسال پارامترها در URL

در برخی موارد، ممکن است نیاز داشته باشیم پارامترها را مستقیماً در URL ارسال کنیم. برای این کار می‌توانیم از پارامتر `params` در تابع `requests.get()` استفاده کنیم.

```python import requests

params = {'key1': 'value1', 'key2': 'value2'} response = requests.get('https://httpbin.org/get', params=params)

print(response.status_code) print(response.url) print(response.json()) ```

در این مثال:

1. یک دیکشنری به نام `params` ایجاد می‌کنیم که شامل پارامترهایی است که می‌خواهیم در URL ارسال کنیم. 2. با استفاده از تابع `requests.get()` یک درخواست GET به آدرس `https://httpbin.org/get` ارسال می‌کنیم و پارامترها را با استفاده از پارامتر `params` به همراه درخواست ارسال می‌کنیم. 3. متغیر `response` حاوی پاسخ ارسالی از سرور است. 4. با استفاده از `response.status_code` کد وضعیت پاسخ را چاپ می‌کنیم. 5. با استفاده از `response.url` آدرس URL نهایی را که به سرور ارسال شده است، چاپ می‌کنیم. 6. با استفاده از `response.json()` محتوای پاسخ را به صورت JSON دریافت و چاپ می‌کنیم.

تنظیم هدرها

می‌توانیم هدرهای سفارشی را به درخواست‌های خود اضافه کنیم. این کار می‌تواند برای ارسال اطلاعاتی مانند نوع محتوا، زبان مورد نظر یا توکن‌های احراز هویت مفید باشد.

```python import requests

headers = {'Content-Type': 'application/json', 'Authorization': 'Bearer YOUR_TOKEN'} response = requests.get('https://httpbin.org/headers', headers=headers)

print(response.status_code) print(response.json()) ```

در این مثال:

1. یک دیکشنری به نام `headers` ایجاد می‌کنیم که شامل هدرهای سفارشی است که می‌خواهیم به درخواست اضافه کنیم. 2. با استفاده از تابع `requests.get()` یک درخواست GET به آدرس `https://httpbin.org/headers` ارسال می‌کنیم و هدرها را با استفاده از پارامتر `headers` به همراه درخواست ارسال می‌کنیم. 3. متغیر `response` حاوی پاسخ ارسالی از سرور است. 4. با استفاده از `response.status_code` کد وضعیت پاسخ را چاپ می‌کنیم. 5. با استفاده از `response.json()` محتوای پاسخ را به صورت JSON دریافت و چاپ می‌کنیم.

مدیریت خطاها

همیشه باید احتمال بروز خطا در هنگام ارسال درخواست‌های HTTP را در نظر بگیریم. کتابخانه Requests امکان مدیریت خطاها را به سادگی فراهم می‌کند.

```python import requests

try:

   response = requests.get('https://www.example.com/nonexistent_page')
   response.raise_for_status()  # Raise HTTPError for bad responses (4xx or 5xx)
   print(response.status_code)
   print(response.text)

except requests.exceptions.HTTPError as errh:

   print(f"HTTP Error: {errh}")

except requests.exceptions.ConnectionError as errc:

   print(f"Connection Error: {errc}")

except requests.exceptions.Timeout as errt:

   print(f"Timeout Error: {errt}")

except requests.exceptions.RequestException as err:

   print(f"Something went wrong: {err}")

```

در این مثال:

1. در یک بلوک `try...except` درخواست GET را ارسال می‌کنیم. 2. از متد `response.raise_for_status()` برای بررسی کد وضعیت پاسخ استفاده می‌کنیم. اگر کد وضعیت نشان‌دهنده خطا باشد (4xx یا 5xx)، یک استثنای `HTTPError` ایجاد می‌شود. 3. بلوک‌های `except` مختلف برای مدیریت انواع مختلف خطاها (HTTPError, ConnectionError, Timeout, RequestException) استفاده می‌شوند.

استفاده از Session برای مدیریت کوکی‌ها و اتصال مجدد

برای ارسال چندین درخواست به یک سرور، استفاده از `Session` می‌تواند کارآمد باشد. Session به شما امکان می‌دهد کوکی‌ها را بین درخواست‌ها حفظ کنید و از اتصال مجدد جلوگیری کنید.

```python import requests

session = requests.Session() session.headers.update({'User-Agent': 'My Custom Agent'})

response1 = session.get('https://httpbin.org/cookies/set?mycookie=myvalue') response2 = session.get('https://httpbin.org/cookies')

print(response1.status_code) print(response2.json())

session.close() ```

در این مثال:

1. یک شیء `Session` ایجاد می‌کنیم. 2. یک هدر سفارشی به Session اضافه می‌کنیم. 3. دو درخواست GET به سرور ارسال می‌کنیم. درخواست اول یک کوکی تنظیم می‌کند و درخواست دوم کوکی‌ها را دریافت می‌کند. 4. در نهایت Session را با استفاده از `session.close()` می‌بندیم.

کاربردها در فیوچرز رمزنگاری و تحلیل تکنیکال

کتابخانه Requests در زمینه فیوچرز رمزنگاری و تحلیل تکنیکال کاربردهای فراوانی دارد. برخی از این کاربردها عبارتند از:

• **دریافت داده‌های بازار:** می‌توان از Requests برای دریافت داده‌های لحظه‌ای قیمت، حجم معاملات و سایر اطلاعات مربوط به فیوچرز رمزنگاری از APIهای مختلف صرافی‌ها مانند Binance، Bybit و OKX استفاده کرد. این داده‌ها برای تحلیل تکنیکال و استراتژی‌های معاملاتی ضروری هستند.
• **اجرای معاملات خودکار:** با استفاده از Requests می‌توان دستورات خرید و فروش را به API صرافی‌ها ارسال کرد و معاملات را به صورت خودکار انجام داد. این قابلیت برای ربات‌های معامله‌گر و تجارت الگوریتمی بسیار مهم است.
• **مدیریت پوزیشن‌ها:** می‌توان از Requests برای مدیریت پوزیشن‌های باز، تنظیم حد ضرر و حد سود و نظارت بر حساب کاربری استفاده کرد.
• **تحلیل حجم معاملات (Volume Analysis):** دریافت داده‌های حجم معاملات از API صرافی‌ها و تحلیل آن‌ها برای شناسایی الگوهای معاملاتی و پیش‌بینی روند قیمت.
• **استراتژی‌های میانگین متحرک (Moving Average Strategies):** دریافت داده‌های تاریخی قیمت و محاسبه میانگین‌های متحرک برای شناسایی نقاط ورود و خروج به معامله.
• **تحلیل اندیکاتور RSI (Relative Strength Index):** دریافت داده‌های قیمت و محاسبه اندیکاتور RSI برای ارزیابی شرایط اشباع خرید یا اشباع فروش.
• **تحلیل الگوهای کندل استیک (Candlestick Pattern Analysis):** دریافت داده‌های قیمت به صورت کندل استیک و شناسایی الگوهای کندل استیک برای پیش‌بینی روند قیمت.
• **تحلیل فیبوناچی (Fibonacci Analysis):** استفاده از داده‌های قیمت برای محاسبه سطوح فیبوناچی و شناسایی نقاط حمایت و مقاومت.
• **پیاده‌سازی استراتژی مارتینگل (Martingale Strategy):** اجرای استراتژی مارتینگل به صورت خودکار با استفاده از API صرافی‌ها و کتابخانه Requests.
• **تحلیل احساسات بازار (Sentiment Analysis):** دریافت داده‌های مربوط به اخبار و شبکه‌های اجتماعی و تحلیل احساسات بازار برای پیش‌بینی روند قیمت.
• **بک تستینگ (Backtesting):** آزمایش استراتژی‌های معاملاتی با استفاده از داده‌های تاریخی قیمت و ارزیابی عملکرد آن‌ها.
• **مانیتورینگ ریسک (Risk Monitoring):** نظارت بر ریسک معاملات و تنظیم پارامترهای معاملاتی بر اساس سطح ریسک.
• **دریافت داده‌های دفترچه سفارشات (Order Book Data):** دریافت داده‌های دفترچه سفارشات برای تحلیل عمیق‌تر بازار و شناسایی نقاط ورود و خروج به معامله.
• **تحلیل اسپرد (Spread Analysis):** تحلیل اسپرد بین قیمت خرید و فروش برای شناسایی فرصت‌های معاملاتی.
• **استفاده از APIهای تحلیل بازار (Market Analysis APIs):** اتصال به APIهای تحلیل بازار برای دریافت سیگنال‌های معاملاتی و اطلاعات تحلیلی.

نکات پیشرفته

• **Timeouts:** برای جلوگیری از مسدود شدن برنامه در صورت عدم پاسخگویی سرور، می‌توانید از پارامتر `timeout` استفاده کنید.
• **Proxy Servers:** می‌توانید از سرورهای پروکسی برای مخفی کردن IP آدرس خود یا دسترسی به وب‌سایت‌هایی که مسدود شده‌اند استفاده کنید.
• **Authentication:** برخی از APIها نیاز به احراز هویت دارند. می‌توانید با استفاده از پارامترهای `auth` یا هدرهای سفارشی، اطلاعات احراز هویت را به همراه درخواست ارسال کنید.
• **Streaming Downloads:** برای دانلود فایل‌های بزرگ، می‌توانید از قابلیت Streaming Requests استفاده کنید تا فایل را به صورت قطعه قطعه دانلود کنید.

نتیجه‌گیری

کتابخانه Requests یک ابزار قدرتمند و انعطاف‌پذیر برای ارسال درخواست‌های HTTP در پایتون است. با یادگیری مفاهیم پایه و روش‌های مختلف استفاده از این کتابخانه، می‌توانید به راحتی با APIهای مختلف ارتباط برقرار کنید و داده‌های مورد نیاز خود را دریافت کنید. این مهارت در زمینه‌های مختلفی مانند تحلیل داده، یادگیری ماشین، تجارت الگوریتمی و به ویژه در بازارهای مالی و فیوچرز رمزنگاری بسیار ارزشمند است. با تمرین و تجربه، می‌توانید از تمام قابلیت‌های این کتابخانه بهره‌مند شوید و برنامه‌های کاربردی قدرتمندی را توسعه دهید.

پلتفرم‌های معاملات آتی پیشنهادی

پلتفرم	ویژگی‌های آتی	ثبت‌نام
Binance Futures	اهرم تا ۱۲۵x، قراردادهای USDⓈ-M	همین حالا ثبت‌نام کنید
Bybit Futures	قراردادهای معکوس دائمی	شروع به معامله کنید
BingX Futures	معاملات کپی	به BingX بپیوندید
Bitget Futures	قراردادهای تضمین شده با USDT	حساب باز کنید
BitMEX	پلتفرم رمزارزها، اهرم تا ۱۰۰x	BitMEX

به جامعه ما بپیوندید

در کانال تلگرام @strategybin عضو شوید برای اطلاعات بیشتر. بهترین پلتفرم‌های سودآور – همین حالا ثبت‌نام کنید.

در جامعه ما شرکت کنید

در کانال تلگرام @cryptofuturestrading عضو شوید برای تحلیل، سیگنال‌های رایگان و موارد بیشتر!