【爬虫】基础：第一部分

4.浏览器的请求

• url

  • 在Chrome中点击检查，点到network
  • url = 请求的协议+网站的域名+资源的路径+参数

• 浏览器请求url地址

  • 当前url对应的响应+js+css+图片 —》elements中的内容

• 爬虫请求url地址

  • 当前url对应的响应

• elements的内容和爬虫获取到的url地址的响应不同，爬虫中需要以当前url地址对应的响应为准提取数据

• 当前url地址对应的响应在哪里

  • 从network中找到当前的url地址，点击response
  • 在页面上右键显示网页源码

5.认识HTTP、HTTPS

• HTTP：超文本传输协议
  • 以明文的形式传输
  • 效率更高，但是不安全
• HTTPS：HTTP+SSL（安全套接字层）
  • 传输之前数据先加密，之后解密获取内容
  • 效率较低，但是安全
• get请求和post请求的区别
  • get请求没有请求体，post有，get请求把数据放到url地址中
  • post请求常用于登录注册，
  • post请求携带的数据量比get请求大，多，常用于传输大文本的时候
• HTTP协议之请求
  • 1.请求行
  • 2.请求头
    • User-Agent：用户代理：对方服务器能够通过user-agent知道当前对方请求资源的是什么浏览器
      • 如果我们需要模拟手机版的浏览器发送请求，对应的，就需要把user-agent改成手机版
    • Cookie：用来存储用户信息的，每次请求会被携带上发送给对方的浏览器
      • 要获取登录后才能访问的界面
      • 对方的服务器会通过cookie来判断是我们是一个爬虫
  • 3.请求体
    • 携带数据
    • get请求没有请求体
    • post请求有请求体
• HTTP协议之响应
  • 1.响应头
    • set-cookie：对方服务器通过该字段设置cookie到本地
  • 2.响应体
    • url地址对应的响应