#8：Python爬虫的进阶之路---HTTP

HTTP请求过程

• 请求响应模型，客户端发起请求，服务器回应请求。
• 无状态协议。同一客户端两次请求相互独立。一次HTTP操作称为一个事务，执行过程分四步：
  1. 建立连接，如单击某个超链接
  2. 客户端发送请求，请求格式：统一资源标识符（URL）、协议版本号、MIME信息（包括请求修饰符、客户机信息和可能的内容）
  3. 服务器收到请求，给予响应信息，格式为一个状态行，包括信息协议版本号、一个成功或错误代码，MIME信息包括服务器信息，实体信息和可能的内容。
  4. 客户端接收服务器返回的信息，显示并断链
• 状态码含义
  以上第三步客户端会收到包含http状态码的信息头（server header）用以响应浏览器请求。常见码：
  • 200——请求成功
  • 301——资源被永久转移到其他URL
  • 404——请求资源不存在
  • 500——内部服务器错误
    状态码由三个十进制组成，第一个定义了类型
    

HTTP头部信息

由众多头域组成，每个头域由域名、冒号、域值三部分组成，域名大小写无关，域值前可加空格符




HTTP消息报头包括普通报头、请求报头、响应报头、实体报头

Cookie状态管理

cookie和session都是用来保护客户端状态机制，都是为了解决http无状态的问题所作的努力。前者将状态保存在客户端，后者保存在服务器端。

HTTP请求方式

请求方法包括：GET, POST, HEAD, PUT, DELETE, OPTIONS, TRACE, CONNECT。
常用的为GET和POST
GET： 以实体方式得到所请求的信息，即响应实体应返回最终所需要的资源
POST： 向目的服务器发出请求，并要求服务器接收附在请求后的实体，并把它当做请求队列中请求的URL资源的附加新子项。