【保姆级+免费】Requests库安装指南:从基础到源码编译
2026-02-03 05:41:04作者:昌雅子Ethen
Requests是Python中最受欢迎的HTTP客户端库之一,以其简洁优雅的API设计著称。本文将全面介绍Requests库的安装方法,从最简单的pip安装到源码编译安装,帮助不同需求的开发者快速上手。
标准安装方式:使用pip
对于绝大多数用户来说,使用Python的包管理工具pip安装Requests是最简单可靠的方式。打开你的终端(Windows用户可以使用CMD或PowerShell),输入以下命令:
python -m pip install requests
这个命令会:
- 自动从Python包索引(PyPI)下载最新稳定版的Requests
- 解析并安装所有依赖项
- 将Requests安装到你的Python环境中的site-packages目录
安装注意事项
- 确保你的pip版本是最新的,可以使用
python -m pip install --upgrade pip升级 - 如果你使用虚拟环境,请先激活环境再执行安装
- 在某些Linux发行版上,可能需要使用
python3代替python命令
源码安装方式
对于开发者或需要定制Requests功能的用户,可以从源码安装。这种方式适合以下场景:
- 需要修改Requests源码
- 想使用最新的开发版功能
- 需要将Requests嵌入自己的项目中
获取源码
获取Requests源码有两种主要方式:
- 使用Git克隆仓库(推荐开发者使用):
git clone https://github.com/psf/requests.git
- 下载源码压缩包:
curl -OL https://github.com/psf/requests/tarball/main
从源码安装
获取源码后,进入项目目录执行安装:
cd requests
python -m pip install .
这个命令会:
- 执行setup.py安装脚本
- 编译任何必要的扩展
- 将Requests安装到你的Python环境
开发模式安装
如果你计划修改Requests源码并测试变更,可以使用开发模式安装:
python -m pip install -e .
这种安装方式会创建到源码目录的符号链接,而不是复制文件,这样你对源码的修改会立即生效,无需重新安装。
版本选择策略
Requests遵循语义化版本控制,通常建议:
- 生产环境:使用最新稳定版(通过简单pip安装获取)
- 开发测试:可以使用特定版本
pip install requests==2.25.1 - 前沿功能:从源码安装main分支
验证安装
安装完成后,可以通过Python交互环境验证:
import requests
print(requests.__version__)
如果没有报错并显示版本号,说明安装成功。
常见问题解决
-
权限问题:在Linux/macOS上如果遇到权限错误,可以尝试添加
--user参数:python -m pip install --user requests -
代理设置:如果处在需要代理的网络环境,可以配置pip使用代理:
python -m pip install --proxy=http://proxy.example.com:8080 requests -
依赖冲突:如果遇到依赖包冲突,可以尝试创建新的虚拟环境隔离安装。
通过以上方法,你应该能够顺利安装Requests库并开始使用它强大的HTTP客户端功能。无论是简单的API调用还是复杂的Web服务交互,Requests都能提供简洁高效的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
405
暂无简介
Dart
772
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355