Python3 爬虫--网页get和post

爬取网页信息必须清楚网页结构，今天分析网页的两种访问方式get和post

关于两种访问方式，具体参见：—HTTP 方法：GET 对比 POST—

认识get与post

两种 HTTP 请求方法：GET 和 POST
在客户机和服务器之间进行请求-响应时，两种最常被用到的方法是：GET 和 POST。
GET - 从指定的资源请求数据。
POST - 向指定的资源提交要被处理的数据

在浏览器访问网页的时候可以使用F12访问网页源码，便于调试。我们可以再次调试模式下看到网页结构。
我们以有道翻译为例，在有道翻译官网翻译“中华人民共和国”：

get

上图中可以看到，服务器给我们传递过来的信息，包括ip地址及访问的网址。

post

post Form Data

Form Data是用户提交给服务器的数据，从中可以看到我们输入的带翻译内容：中华人民共和国

post User-Agent

这个是用户身份的验证，这里信息为浏览器信息，如果用python语言编写爬虫，则User-Agent内容为：Python+版本号，所有伪装身份可以改变User-Agent信息。

python 连接有道翻译

import urllib.request
import urllib.parse
import json

content = input('请输入需要翻译的内容：')

url = 'http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc'
data = {}

# 输入data数据，来自post网页的Form data
data['i'] = content
data['type'] = 'AUTO'
data['doctype'] = 'json'
data['xmlVersion'] = '1.8'
data['keyfrom'] = 'fanyi.web'
data['ue'] = 'utf-8'
data['action'] = 'FY_BY_CLICKBUTTON'
data['typoResult'] = 'true'

# 对data内容进行编码（unicode -> utf-8）
data = urllib.parse.urlencode(data).encode('utf-8')
response = urllib.request.urlopen(url,data)

# html是json格式的str，使用json.loads 转换为dict
html = response.read().decode('utf-8')
target = json.loads(html)

# print(html)
# print(type(target))
# print(target)
# print(target['translateResult'])
# print(target['translateResult'][0][0])

src = target['translateResult'][0][0]['src']
res = target['translateResult'][0][0]['tgt']
print('需要翻译的内容：'+content )
print('翻译结果：%s' %res)

运行结果：