文章目录


常见的协议

http和https

http协议:

超文本传输协议,是一个发布和接受HTML页面的方法,端口是80

https 协议:http协议的加密版本,在HTTP下加上了ssl层,端口是443

下面访问的是美团的官网:

可以看到端口是443

【Python从零到壹】学习Python爬虫前,你需要先掌握这些内容_服务器

URL和RUI

常见的请求方式

http协议规定了浏览器与服务器进行数据交互过程中必须要选择一种交互方式

在http协议中定义了8中请求方式,常见的是get和post请求

get请求: 一般只从服务器获取数据下来,并不会对服务器资源产生任何的影响。

【Python从零到壹】学习Python爬虫前,你需要先掌握这些内容_服务器_02

请求的时候关注:


  • url
  • 请求方式
  • 请求头

post请求: 向服务器发送数据(登陆),上传文件等,会对服务器资源产生影响的时候,会使用post请求。

不过有些网站做了反爬虫机制,你去查看信息,也是使用post请求,所以我们写爬虫的时候,一定要分析网站。

常见的请求头参数:

http协议中,向服务器发送一个请求,数据分为三部分:


  • 把数据放在url中
  • 数据放在body中,(post请求)
  • 数据放在head中

常见的请求头参数:


  • user-agent :浏览器名称
  • referer: 当前这个请求从哪个url过来的
  • cookie:http 协议是无状态的,也就是一个人发送了两次请求,服务器没有能力知道这两个请求是否来自同一个人。

【Python从零到壹】学习Python爬虫前,你需要先掌握这些内容_post请求_03

常见的相应状态码


  • 200 请求正常,服务器正常返回数据
  • 301 永久重定向
  • 404 请求的url在服务器上找不到
  • 418 发送请求遇到服务器端的反爬虫,服务器拒绝相应数据
  • 500 服务器内部错误,可能是服务器出现了bug

HTTP的请求相应过程

【Python从零到壹】学习Python爬虫前,你需要先掌握这些内容_python爬虫基础_04

使用浏览器进行网站分析

我们要分析的网站为: movie.douban.com

【Python从零到壹】学习Python爬虫前,你需要先掌握这些内容_服务器_05

  • Elements: 用于分析网站的结构
    在页面上的呈现的内容,在Elements都会有相应的元素。

【Python从零到壹】学习Python爬虫前,你需要先掌握这些内容_post请求_06

  • Console: 这里会打印招聘信息,警告等等。

【Python从零到壹】学习Python爬虫前,你需要先掌握这些内容_python爬虫基础_07


  • Sources
  • Network : 在显示页面的时候,产生的所有请求
    headers 头部信息

session 与cookie

session代表的是服务器和浏览器的一次会话过程

session 是一种服务器端的机制,用来存储特定用户的会话所需要的信息,保存在内存,缓存,或者数据库中。

cookie

cooke是由服务器端生成后发送给客户端,cookie是保存在客户端的

cookie原理:

1) 创建cookie

2) 设置存储cookie

3) 发送cookie

4) 读取cookie