python web 调试_python web 2

思路整理

过程：请求豆瓣电影 top 250 url='https://movie.douban.com/'

结果：得到网页的html 源码 (保存为hml文件 就可以用浏览器打开)

提示：

Location

WEB 服务器告诉浏览器，试图访问的对象已经被移到别的位置了，到该头部指定的位置去取。

例如：Location：http://i0.sinaimg.cn/dy/deco/2008/0528/sinahome_0803_ws_005_text_0.gif

第一步：得到指定URL，解析url，这是准备工作

使用函数：parsed_url()

为什么解析？ 我们需要的是 它的协议--http/https

他的host port path  (如下图 )

ok 原因我们明白了 那我们怎么实现的

一会儿有空再说 我们需要接着验证其他步骤 去理解这个过程，这个更重要

第二步：获取 URL 这才进入主题 这个主题分几个步骤完成

首先函数get(url)从parsed_url() 中获取到几个解析完成的关键值：protocol, host, port, path

执行步骤A

函数 socket_by_protocol(protocol)，根据协议返回一个socket实例，什么事socket实例

(Socket又称"套接字"，应用程序通常通过"套接字"向网络发出请求或者应答网络请求)

由socket的作用 认为此条程序在内容是进行http 和 https的判别(因为HTTPS 协议需要使用 ssl.wrap_socket 包装一下原始的 socket)

实质上是为网络访问奠定基础即创建socket

s.connect((host, port)): connect()用于建立与指定socket的连接。

执行步骤B(强行分出步骤hhhh)

request = 'GET {} HTTP/1.1\r\nhost: {}\r\nConnection: close\r\n\r\n'.format(path, host)  构造一个http 请求

(其中Connection头(header) 决定当前的事务完成后，是否会关闭网络连接。如果该值是“keep-alive”，网络连接就是持久的，不会关闭，

使得对同一个服务器的请求可以继续在该连接上完成。)

执行步骤C

encoding = 'utf-8'

s.send(request.encode(encoding))

浏览器和服务器之间发送的信息是以二进制bytes格式存在的，所以发送前要先将str格式的request转化为bytes

执行步骤D

response_by_socket(s)

response.decode(encoding)

s就是之前构造的socket实例，发出访问请求后，接收所有服务器返回的信息，转换为str

(python3默认编码为unicode，由str类型进行表示。二进制数据使用byte类型表示，所以不会将str和byte混在一起。在实际应用中我们经常需要将两者进行互转)

执行步骤E

parsed_response(r)

对服务器传回的信息进行解析(以下为传回的信息，通过\r\n可对内容成功分解，理出条理，比较笨，但第一次这样解析过返回的源码，感觉瞬间明白了网页的一些内容)

b'HTTP/1.1 301 Moved Permanently

\r\nDate: Sat, 27 Oct 2018 14:31:33GMT\r\n

Content-Type: text/html

\r\nTransfer-Encoding: chunked\r\n

Connection:close

\r\nLocation: https://movie.douban.com/top250\r\n

Server: dae

\r\nX-Content-Type-Options:nosniff

\r\n\r\nb2\r\n

\r\n

301 Moved Permanently\r\n

\r\n

301 Moved Permanently

\r\n

---

nginx

\r\n\r\n

\r\n\r\n0\r\n\r\n

去掉\r\n后可清楚得到许多信息

HTTP/1.1 301Moved Permanently

Date: Sun,05 Jun 2016 12:37:55GMT

Content-Type: text/html

Content-Length: 178Connection: keep-alive

Keep-Alive: timeout=30Location: https://movie.douban.com/top250

Server: dae

X-Content-Type-Options: nosniff

301 Moved Permanently

301 Moved Permanently

---

nginx

如何解析 下面代码实现

header, body = r.split('\r\n\r\n', 1)

h= header.split('\r\n')

status_code= h[0].split()[1]

status_code=int(status_code)

headers={}for line in h[1:]:

k, v= line.split(':')

headers[k]= v

这个代码我们也暂时不去关心它的正确与否，接着往下分析

解析出

状态码 int

headers dict

body str

执行步骤F

遇到重定向问题，所谓重定向(Redirect)就是通过各种方法(本文提到的为3种)将各种网络请求重新转到其它位置(URL)。每个网站主页是网站资源的入口，当重定向发生在网站主页时，如果不能正确处理就很有可能会错失这整个网站的内容。

status_code, headers, body =parsed_response(r)if status_code == 301:

url= headers['Location']returnget(url)return status_code, headers, body

这个属于服务器端重定向，在服务器端完成，一般来说爬虫可以自适应，是不需要特别处理的，如响应代码301(永久重定向)、302(暂时重定向)等。具体来说，可以通过requests请求得到的response对象中的url、status_code两个属性来判断。利用上图代码进行处理

(当status_code为301、302或其他代表重定向的代码时，表示原请求被重定向；当response对象的url属性与发送请求时的链接不一致时，也说明了原请求被重定向且已经自动处理。)

大概理解了，就是你得通过提示找到资源存放的真正地点，不知道是否完全正确

接下来

又到了我最喜欢的debug环节了 哈哈哈哈哈哈(别理我，已经疯掉)

首先自己运行时出现了很多莫名奇妙的的错误，都指向测试代码，于是首先删掉了所有测试代码

可疑问为什么删掉了测试代码，发现不输出任何结果，明明我在主函数中输出了很多值

一个个设置输出检查，直到来到执行的第一句，函数根本没有执行啊喂！！

立马参考源代码，发现自己删测试函数的时候，把执行主函数的语句删掉了，，

我是用函数的方法写的，mian来执行这些函数，而谁来执行整个文件呢

(因为python不像其它函数一样是必须从 main 进入的，这个mian 其实相当于一个普通滴函数)，所以如下

它来执行我写的这个.py文件

暂时是这么理解的，但这个奇怪的函数我查了资料

defcs():print('已打开cs！')if __name__ == '__main__':print('cs主函数！')

如图 将原本单独的print(‘cs主函数！’)之前加入一句if_name_ == '_main_':

就会使另一文件调用它时不执行print(‘cs主函数！’)只执行 print('已打开cs！')

这样既可以让“模块”文件运行，也可以被其他模块引入，而且不会执行函数2次。这才是关键。

总结一下：

如果我们是直接执行某个.py文件的时候，该文件中那么”__name__ == '__main__'“是True,

但是我们如果从另外一个.py文件通过import导入该文件的时候，这时__name__的值就是我们这个py文件的名字而不是__main__。

这个功能还有一个用处：调试代码的时候，在”if __name__ == '__main__'“中加入一些我们的调试代码，我们可以让外部模块调用的时候不执行我们的调试代码，但是如果我们想排查问题的时候，直接执行该模块文件，调试代码能够正常运行！

---------------------

(总结转自：https://blog.csdn.net/qq_27231343/article/details/51184389 )

函数可以执行后

最终又改掉了两个错误：

headers ={}for line in h[1:]:

k, v= line.split(':')#自己写的时候‘： ’ 冒号后少打一个空格 一直报too many values to unpack 的错误

headers[k]=vreturn status_code, headers, body

if status_code == 301:

url= headers['Location']#自己重新打发现L时大写，自己一直是小写，，，汗

return get(url)

都是很小的错误，但要老命了

最后附上成功的爬到的源码：单独放文章了，有点多，，，

搞定，喜大普奔，终于结束了，junkdog  gogogog!