1、requests时候response类型的
2、response的属性:
response.text 获取网站的源码
response.encoding 访问或定制编码方式
response.url 获取请求的url
response.content 响应的字节类型
response.status.code 响应的状态码
response.headers 响应的头信息
3.urllib
(1)一个类型六个方法
(2)get/post请求
(3)ajax的get/post请求
(4)cookie登录
(5)代理
requests
(1)一个类型和六个属性
(2)get/post请求
(3)代理
(4)cookie验证码
4.get/post请求的区别:
kwargs字典
(1)post请求不需要编码,get请求需要编码
(2)post请求的参数是data,get请求的参数是params
(3)post请求不需要请求对象的定制,get请求需要请求对象的定制
5.有些网页中增加了反爬手段隐藏域 比如__VIEWSTATE
6.获取验证码图片(得到验证码图片路径,每次刷新图片都会变)
code=soup.select(‘#imgCode’)[0].attrs.get(‘src’)
7.每次请求验证码都会让他刷新一次,所以先下载图片再尝试登陆会导致响应两次,那么图片验证码就已经刷新了,尝试登录时用之前下载的验证码再去登陆就不对了,所以要用session
session=requests.session
response_code=session.get(code_url)
content_code=response_code.content(此时要用二进制数据,因为我们要是用的是图片的下载,wb的模式就是讲二进制数据写入文件)
with open(‘code。jpg’,‘wb’)as fp:
fp.write(content_code)
8.超级鹰网站可以下载识别图像验证码的脚本
9.scrapy是一个为了爬取网站数据,提供结构性数据而编写的应用框架