#内容为视频笔记及个人理解,若有错误还望各位大佬指正
http及https特性: 无状态
当我们使用程序向服务器发出请求时, 如果页面中含有登录信息, 那么我们再次访问该页面时仍然会抛出登录提示, 因为服务器并不会记录我们在网页当中记录的操作, 这就是 无状态 (即使我们在同一个程序中已经登陆过)
cookie
用来让服务器端记录客户端的相关状态
当我们登录访问一个网页时, 服务器端会返回一个 cookie 用来识别发出请求的是谁, cookie 由服务器创建, 保存在客户端, cookie的值并不是一成不变的, 在每一次访问页面时, 都会发出一个新的cookie值
如何查看cookie值 : 在网页中 F12-->console-->JavaScript:alert (document. cookie)
好比逛超市, 买家A 在超市办了一张会员卡(那么超市会返回一个 cookie), 买家B 没有办(无状态), 当两个人下一次逛超市时, 买家A 出示会员卡(cookie), 超市工作人员会知道他是买家A , 而买家B 则不会被记住
如何使用cookie
cookie 的使用方法和 User-Agent 相同, 以字典格式包含在请求头信息中
手动处理 cookie 值, 通过抓包工具获取 cookie 的值并封装在请求头信息中
header = { "cookie" : "………………" }
手动处理非常不便, 因此我们可以在程序直接获取 cookie 的值并使用
session 会话对象
session 可以向服务器发送请求, 如何请求过程中产生了 cookie , 则该 cookie 会被自动存储在该 session 对象中
1. 使用 session 对象进行模拟登录 post 请求的发送(返回的 cookie 会被保存在 session 中)
2. session 对象对网页发出 get 请求, 此时发出的请求会携带 cookie 的值
创建 session 对象
session = requests.Session() # Session() 方法会返回一个 session 的对象
page = session.post(url, headers, data) # 使用 session 向服务器发出请求
print(page.status_code) # 响应对象.status_code 可以返回其状态码
new_page = session.get(url, headers) # 此时使用 session 向服务器发出请求会自动携带上一次访问时服务器返回的 cookie 值
代理IP
当我们频繁的向网页发出请求时, 如果超出了设定的阈值, 很有可能会出现 封IP 的情况, 为了避免这种情况发生, 需要用到 代理IP
即使用到 代理IP 也建议不要过度的去访问或爬取某个网页的信息, 不仅会对该网页产生巨大的负担, 严重甚至会导致崩溃(尤其个人网页, 部分小公司的网站等)
代理IP的分类
- http : 只能用来访问 http 的网页
- https : 只能用来访问 https 的网页
匿名度的分类
- 透明 : 发出请求时, 网页知道真实的 IP地址, 也知道使用了 代理IP
- 匿名 : 发出请求时, 网页不知道真实的 IP地址, 但是知道使用了 代理IP
- 高匿 : 发出请求时, 网页不知道真实的 IP地址, 也不知道是否使用了 代理IP
代理IP的使用
以字典的形式传入请求中
-
如果类型为 http
- {“http” : “************”} <–IP地址
-
类型为 https
- {“https” : “************”} <–IP地址
import requests
url = "https://www.baidu.com/s?wd=ip"
headers = {
"User-Agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.66 Safari/537.36"
}
proxies = {
"http" : "***********" <-- # 填写IP地址
}
page = requests.get(url=url, headers=headers, proxies=proxies) # 传参时使用 proxies
with open("xiaoming.html", "w", encoding="utf-8") as fp:
fp.write(page.text)