• 爬虫的基本知识


    1.浏览器的请求

    • url

      • 在Chrome中点击检查,点到network
      • url=请求的协议+网站的域名+资源的路径+参数
    • 浏览器请求url地址

      • 当前的url对应的响应+js+css+图片 ===>> elements中的内容
    • 爬虫请求url地址

      • 当前url地址对应的响应
    • elements的内容和爬虫获取到的url地址的响应不同,爬虫中需要当前的url地址对应的响应为准提取数据

    • 当前的url地址对应的响应在哪里

      • 从network中找到当前的url地址,点击response
      • 在页面右键显示网页源代码

    认识http和https

    • http:超文本传输协议

      • 以明文的形式传输
      • 效率更高,但是不安全
    • https:http + SSL(安全套接字层)

      • 传输数据之前先进行加密,之后解密获取内容
      • 效率较低,但是安全
    • get和post请求的区别

      • get请求没有请求体,post有请求体,get把数据方法url地址中
      • post请求常用于登录注册,传输大文本的时候
      • post请求携带的数据量比get大,多
    • HTTP之请求

      • 1、请求行 
      • 2、请求头
        • User-Agent: 用户代理:对方服务器用过User-Agent知道当前请求对方资源的是什么浏览器
          • 如果我们需要模拟手机版的浏览器发起请求,响应的,就需要把User-Agent改成手机版
        • Cookie: 用来存储用户信息的,每次携带上发送给对方的浏览器
          • 要获取登录后才能访问的页面
          • 对方的服务器会通过cookie判断我们是不是一个爬虫
      • 3、请求体
        • 携带数据
        • get请求没有请求体
        • post请求有请求体
    • HTTP之响应 

      • 1、响应头
        • Set-Cookie: 对方服务器通过该字段设置cookie到本地 
      • 2、响应体
        • url地址对应的响应
  • 相关阅读:
    多线程2.md
    Python-多线程.md
    Python-Log-note.md
    记账本开发记录——第四天(2020.1.21)
    记账本开发记录——第三天(2020.1.20)
    记账本开发记录——第二天(2020.1.19)
    《构建之法——现代软件工程》读书笔记(一)
    记账本开发记录——第一天(2020.1.18)
    JAVA分级测试——选课系统(补发)
    转专业后补修C语言的一些体会(4)
  • 原文地址:https://www.cnblogs.com/liudemeng/p/10711478.html
Copyright © 2020-2023  润新知