用socket下载页面
测试代码:
import socket
# 访问网站
url = 'www.baidu.com'
# 端口
port = 80
sock = socket.socket() # 建立对象
sock.connect((url, port)) # 连接网站 ,发出一个HTTP请求
request_url = 'GET / HTTP/1.0\r\nHost: www.baidu.com\r\n\r\n'
sock.send(request_url.encode()) # 根据请求头来发送请求信息
response = b'' # 建立一个二进制对象用来存储我们得到的数据
chunk = sock.recv(1024) # 每次获得的数据不超过1024字节
while chunk: # 循环接收数据,因为一次接收不完整
response += chunk
chunk = sock.recv(1024)
# print(response)
import re
xx=re.findall(b'(<html>.*)',response,re.S)
f=open('index.html','wb')
f.write(xx[0])
f.close()
获取的文件:
文件在Pycharm里面打开的效果
核心函数与变量解析
socket.connect()
里面参数是元组,为地址和端口号,与网站建立连接,如果是与https建立连接,那么就用connect_ex()
request_url ,报文
请求方法就是get
url此处 是斜杠,根目录
协议版本为HTTP/1.0
回车符换行符是\r\n
后面的Host是请求头部的消息
sock.send()
将请求消息发出
sock.recv()
接收消息,数值单位是 B,为一次接受的数值大小
收到的是二进制数据
再把这个数据保存到文件中就Complete啦~