00: 百度中输入python查询后的网址
https://www.baidu.com/s
?ie=utf8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd=python ~~&rsv_t=9a03WzcR0gTeb0Qsm8BqUPRNwfSNJOqmElJNkVSITz1Aj56Xl29OQHqlsrY&rsv_enter=1&rsv_dl=tb&rsv_sug3=7&rsv_sug1=7&rsv_sug7=101&rsv_sug2=0&inputT=1521&rsv_sug4=2322&rsv_sug=2 ~~
? 后面的内容就是get请求中的字段 字段与字段通过&&隔开
字段1=值&&字段2=值
提取关键部分:https://www.baidu.com/s?ie=utf8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd= ==python ==
1:使用python模拟get请求
1.1适用于爬取安全性不太高的网站,稍高点,可以将https换成http
使用的是360搜索,Sogou搜索也是可以使用这种方法
但是百度,必应用下面的方法是爬去不成功的,应该另辟曲径
import urllib.request
keywd = "python"
#keywd = "薛之谦and高磊鑫"
#keywd=urllib.request.quote(keywd) 出现中文可以通过quote对中文进行编码
url = "https://www.so.com/s?ie=utf-8&fr=none&src=360sou_newhome&q=" + keywd
# 将网址作为一个请求
req = urllib.request.Request(url)
data = urllib.request.urlopen(req).read()
print(len(data))
# 将数据写入文件中,以wb二进制方式的打开文件
fh = open(r"D:\Document\0.professional\python\NetBug\httpf.html", 'wb')
fh.write(data)
fh.close()
2:使用python模拟post请求
import urllib.request
import urllib.parse
url = "https://www.iqianyue.com/mypost"
data = urllib.parse.urlencode(
{
"name": "123@qq.com", "pass": "022"
}
).encode("utf-8")
# 把上面的内容封装成一个请求
req = urllib.request.Request(url, data)
# 将对应的信息提交过去
data=urllib.request.urlopen(req).read()
fh = open(r"D:\Document\0.professional\python\NetBug\postHtm.html", "wb")
fh.write(data)
fh.close()
3.处理URL异常
import urllib.error
import urllib.request
try:
urllib.request.urlopen("http://www.bilibili.com")
except urllib.error.HTTPError as s:
if hasattr(s,"code"):
print(s.code)
if hasattr(s,"reason"):
print(s.reason)
#403
#Forbidden
#禁止访问
```3.模拟浏览器访问bilibili的网站``
import urllib.error
import urllib.request
try:
url = "https://www.bilibili.com/"
hearder = {'User-Agent':
'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'}
req = urllib.request.Request(url, headers=hearder)
data = urllib.request.urlopen(req).read()
fh=open(r"D:\Document\0.professional\python\NetBug\html329.txt",'wb')
fh.write(data)
fh.close()
print("Success")
except urllib.error.HTTPError as s:
if hasattr(s, "code"):
print(s.code)
if hasattr(s, "reason"):
print(s.reason)
4.基本知識
端口號
http:80
https:443
url: Uniform resource Locator是統一資源定位符
ip:port 套接字 可以定位到一個應用
parh:資源在服務器的相對路徑—路由(router)
5.http的工作過程
1)地址解析
2)封裝http請求數據包
3)封裝成TCP包,建立TCP連接(TCP的三次握手)
4)客戶機發送請求命令
5)服務器響應