Python爬虫基础之请求的示例分析
小编给大家分享一下Python爬虫基础之请求的示例分析,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获,下面让我们一起去了解一下吧!
一、请求目标(URL)
URL又叫作统一资源定位符,是用于完整地描述Internet上网页和其他资源的地址的一种方法。类似于windows的文件路径。
二、网址的组成:
1.http://:这个是协议,也就是HTTP超文本传输协议,也就是网页在网上传输的协议。
2.mail:这个是服务器名,代表着是一个邮箱服务器,所以是mail。
3.163.com:这个是域名,是用来定位网站的独一无二的名字。
4.mail.163.com:这个是网站名,由服务器名+域名组成。
5./:这个是根目录,也就是说,通过网站名找到服务器,然后在服务器存放网页的根目录。
6.index.html:这个是根目录下的网页。
7.http://mail.163.com/index.html:这个叫做URL,统一资源定位符,全球性地址,用于定位网上的资源。
三、请求体(response)
就像打电话一样,HTTP到底和服务器说了什么,才能让服务器返回正确的消息的,其实客户端的请求告诉了服务器这些内容:请求行、请求头部、空行、请求数据
四、请求方法(Method)
HTTP请求可以使用多种请求方法,但是爬虫最主要就两种方法:GET和POST方法。
get请求:一般情况下,只从服务器获取数据下来,并不会对服务器资源产生任何影响的时候会使用get请求。
post请求:向服务器发送数据(登录)、上传文件等,会对服务器资源产生影响的时候会使用
post请求。
以上是在网站开发中常用的两种方法。并且一般情况下都会遵循使用的原则。但是有的网站和服务器为了做反爬虫机制,也经常会不按常理出牌,有可能一个应该使用get方法的请求就一定要改成post请求,这个要视情况而定。
GET与POST方法的区别:
1.GET是从服务器上获取数据,POST是向服务器传送数据
2.GET请求参数都显示在浏览器网址上,即Get"请求的参数是URL的一部分。例如: http://www.baidu.com/s?wd=Chinese
3.POST请求参数在请求体当中,消息长度没有限制而且以隐式的方式进行发送,通常用来向HTTP服务器提交量比较大的数据。请求的参数类型包含在"Content-Type"消息头里,指明发送请求时要提交的数据格式。
注意:
网站制作者一般不会使用Get方式提交表单,因为有可能会导致安全问题。比如说在登陆表单中用Get方式,用户输入的用户名和密码将在地址栏中暴露无遗。并且浏览器会记录历史信息,导致账号不安全的因素存在。
五、常用的请求报头
请求头描述了客户端向服务器发送请求时所使用的编码,以及发送内容的长度,告诉服务器自己有没有登陆,采用的什么浏览器访问的等等。
1.Accept:浏览器告诉服务器自己接受什么数据类型,文字,图片等。
2.Accept-charset:浏览器申明自己接收的字符集。
3.Accept-Encoding:浏览器申明自己接收的编码方法,通常指定压缩方法,是否支持压缩,支持什么压缩方法(gzip, deflate,br)。
4.Accept-Language:浏览器申明自己接收的语言。
5.Authorization:授权信息,通常出现在对服务器发送的WWW-Authenticate头的应答中。
6.content-Length表示请求消息正文的长度。
7.origin:声明请求资源的起始位置
8.connection:处理完这次请求后,是断开连接还是继续保持连接。9.Cookie:发送给WEB服务器的Cookie内容,经常用来判断是否登陆了。
9.Cookie:发送给WEB服务器的Cookie内容,经常用来判断是否登陆了。
10.Host:客户端指定自己想访问的WEB服务器的域名/IP地址和端口号。
11.If-Modified-since:客户机通过这个头告诉服务器,资源的缓存时间。只有当所请求的内容在指定的时间后又经过修改才返回它,否则返回304"Not Modified"应答。
12.Pragma:指定"no-cache"值表示服务器必须返回一个刷新后的文档,即使它是代理服务器而且已经有了页面的本地拷贝。
13.Referer:告诉服务器该页面从哪个页面链接的。
14.From∶请求发送者的email地址,由一些特殊的Web客户程序使用,浏览器不会用到它。
15.(user-Agent:浏览器表明自己的身份(是哪种浏览器)
16.upgrade-insecure-requests∶申明浏览器支持从http请求自动升级为https请求,并且在以后发送请求的时候都使用https。
UA-Pixels,uA-Color,uA-oS,UA-CPU:由某些版本的IE浏览器所发送的非标准的请求头,表示屏幕大小、颜色深度、操作系统和CPu类型。
六、requests模块查看请求体
在我们用requests模块请求数据的时候携带上诉请求报头的字段信息,将我们的爬虫代码进行伪装。同样的伪装之后我们也可以通过代码查看请求体的字段信息,有如下几种常见的属性:
#查看请求体中的url地址 response.request.url #查看请求体中的请求头信息 response.request.headers #查看请求体中的请求方法 response.request.method
Python主要用来做什么
Python主要应用于:1、Web开发;2、数据科学研究;3、网络爬虫;4、嵌入式应用开发;5、游戏开发;6、桌面应用开发。
以上是“Python爬虫基础之请求的示例分析”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注行业资讯频道!