robots.txt协议 君子协议,规定了网站中哪些数据可以被爬取 http 协议 概念:就是服务器和客户端进行数据交互的一种形式 常用请求头信息 Uer-Agent:表示请求载体的身份标识 connection:请求结束后,是断开连接还是保持连接 常用响应头信息: content-type:服务器响应客户端的数据类型 https协议: 安全的超文本传输协议 加密方式: 对称密钥加密 密钥和密文有可能会被拦截,然后暴露 非对称密钥加密 效率比较低,仍存在安全隐患 证书密钥加密
request 模块 -urllib 模块 -request 模块 request 模块:python中国原生的一款基于网络请求的模块,功能非常强大,简单便捷,效率极高 作用:模拟浏览器发送请求 如何使用:(requset模块的编码流程) -指定URL -发起请求 -获取响应数据 -持久化存储