- requests_cache（專門用於 HTTP 請求的緩存庫；支持 SQLite、Redis、文件系統等多種存儲後端；非常適合緩存 HTTP GET 請求的內容。）
- 同類數據緩存庫：diskcache、joblib
-
參考資料：
- https://blog.csdn.net/weixin_46275180/article/details/116459413
- https://blog.csdn.net/the_shy_faker/article/details/127981863
基本用法與參數含義
requests_cache.install_cache(
cache_name='cache', # 緩存文件的名稱
backend='filesystem', # 使用文件系統作為緩存後端
expire_after=None, # 不設置緩存過期時間，緩存不會過期
allowable_codes=(200,), # 僅緩存返回狀態為 200 的響應
allowable_methods=('GET',), # 僅緩存 GET 請求
filter_fn=filter_fn, # 使用自定義過濾函數
session_factory=requests_cache.core.CachedSession,# 使用默認的 CachedSession
)為了理解函數功能，介紹下各個參數的含義：
- cache_name：緩存文件名稱
-
backend：設置緩存的存儲機制，默認使用sqlite進行存儲
- 支持多種不同的存儲機制：filesystem、memory、sqlite、mongoDB、redis、gridfs、mongodb、dynamodb。在設置存儲機制為第三方軟件數據庫時需要提前安裝對應的模塊。
- memory（不推薦！）：以字典的形式將緩存存儲在內存當中，程序運行完以後緩存將被銷燬。需要注意的是，這樣設置會導致requests_cache 將緩存記錄存儲在內存中。內存中的數據在程序終止或因錯誤導致程序退出時會被釋放。在這種情況下，緩存記錄在 Python 程序重啓後會完全消失。這意味着緩存的有效期在程序退出後不再生效，因為緩存數據本身已經丟失；而且程序重啓後，即使請求的 URL 與之前完全相同，也會重新發起實際的網絡請求，因為之前的緩存記錄已經不復存在。
- filesystem（推薦）：對比memory，filesystem 會將緩存數據存儲在本地文件系統中，這意味着緩存記錄會持久化存儲，程序重啓後緩存依然存在，直到緩存過期或被手動清除。同時可以存儲大量的緩存數據，而不會佔用過多內存，適合大規模的緩存需求
- expire_after：設置緩存的有效時間（默認單位秒），設置為None則緩存永久有效
- allowable_codes：設置狀態碼
- allowable_methods：設置請求方式，默認get，表示只有get請求才可以生成緩存
- session_factory：設置緩存執行的對象，需要實現CachedSession類
- backend_options：如果緩存的存儲方式為sqlit、mongo、redis數據庫，該參數表示設置數據庫的連接方式
代碼基本實踐：
一般情況下，不需要單獨設置任何參數，使用默認參數即可
import requests
import requests_cache
# 安裝緩存，設置緩存名稱、後端和過期時間
requests_cache.install_cache(
cache_name='my_cache', # 緩存文件名（將存儲為 my_cache.sqlite）
backend='filesystem', # 使用文件系統作為緩存後端
expire_after=3600, # 緩存有效期為 1 小時（3600 秒）
)
# 發送 GET 請求，第一個請求會從網絡獲取數據，並緩存響應
response1 = requests.get('https://api.github.com')
print("First request, from cache:", response1.from_cache) # 輸出 False，因為第一次請求會從網絡獲取
# 發送另一個相同的 GET 請求，這次會從緩存中讀取響應
response2 = requests.get('https://api.github.com')
print("Second request, from cache:", response2.from_cache) # 輸出 True，因為第二次請求會從緩存中讀取
