python爬虫---关于http、url

python爬虫—关于http、url

·http协议:全称是HyperText Transfer Protocol 中文意思超文本传输协议,是一种发布和接受HTML页面地方法。服务器端口号是80端口。HTTPS协议:是HTTP协议地加密版本,在HTTP下加入了SSL层,服务器端口号是443端口。

https://baike.baidu.com/item/HTTP

·URL是Uniform Recourse Locator的简写,统一资源定位符。一个URL由以下几部分组成:
Scheme://host:port/path/?query-string=xxx#anchor
1.scheme:代表的是访问的协议,一般为http或者https以及ftp等。
2.host:主机名,域名,比如www.baidu.com。
3.Port:端口号。当你访问一个网站的时候,浏览器默认使用的是80端口。
4.Path:查找路径。比如:www.jianshu.com/trending/now, 后面的trending/now就是path。
5.query-string:查询字符串,比如www.baidu.com/s?wd=python,后面的wd=python即为查询字符串。
6.Anchor:锚点,前端用来做页面定位。现在一些前后端分离的项目,也用锚点来做导航。
·在浏览器中请求一个url,浏览器会对这个url进行一个编码。除英文字母,数字和部分符号外,其他的全部使用百分号+十六进制码值进行编码。

·常见的请求method
常用的两种请求方法分别是get请求和post请求
1.get请求:一般情况下,只从服务器获取数据下来,并不会对服务器资源产生任何影响的时候会用get请求。
在这里插入图片描述

2.post请求:向服务器发送数据(登录)、上传文件等,会对服务器资源产生影响的时候会用post请求。
(以上是在网站开发中常用的两种方法。并且一般情况下都会遵循使用的原则。但是有的网站和服务器做了反爬虫机制,也经常会不按常理出牌,有可能一个应该用get方法请求的就一定要改成post请求,这个要视情况而定。)
3.除此之外,请求方法还包括head,put,delete,connect,options,trace(回显服务器收到的请求,主要用于测试或诊断)

·常见的请求头参数
在http协议中,向服务器发送一个请求,数据分为三部分,第一个吧数据放在url中,第二个把数据放在body中(在post中请求中),第三个就是把数据放在head中。这里介绍在网络爬虫中经常会用到的一些请求头参数:
1.User-Agent:浏览器名称。这个在网络爬虫中经常会被用到。请求一个网页的时候,服务器通过这个参数就可以知道这个请求是由哪种浏览器发送的。如果我们是通过爬虫发送请求,那么我们的user-agent就是python,这对于那些有反爬虫机制的网站来说,可以轻易判断你这个请求爬虫。因此我们要经常设置这个值为一些浏览器的值,来伪装我们的爬虫。
2.Referer:表明当前这个请求是从哪个url过来的。这个一般也可以用来做反爬虫技术。如果不是从指定页面过来的,那么就不做相关的相应。
3.Cookie:http是无状态的。也就是同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。因此这时候就需要用cookie来做标识。一般如果想要登陆后才能访问的网站,那么就需要发送cookie信息了。

Chrome抓包工具
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

BigBig_Dream

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值