原创力文档- 1、本文档共1页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Python3⽹络爬⾍开发实战——第2章爬⾍基础
2.1 HTTP基本原理
我们使⽤的⽹址叫url
我们看的⽹页源代码叫超⽂本
我们爬取的通常都是http或https
上⽹就是客户端和服务端的交互。
客户端发送以下请求：
常见的请求⽅法： GET,POST,HEAD,PUT ,DELETE,CONNECT, OPTIONS，TRACE
请求⽹址：URL
请求头：cookie, referer,user-agent,content-type
请求体：post请求中的表单数据
服务端响应：
响应状态码：200代表连接成功
响应头：date,server,content-type,last-modified,等
响应体 ：我们想要爬的都在这⾥。源代码，json数据，从中提取
2.2⽹页基础
⽹页由HTML、CSS、JAVASCRIPT 组成
2.3爬⾍的基本原理
1. 获取⽹页，通过requests库等
2. 提取信息，分析⽹页源代码，采⽤正则表达式，bs4等
3. 保存数据，保存为txt或json⽂本。也可以保存到数据库,mysql,mongodb等
4. ⾃动化操作
2.4会话和cookies
知道cookie是保存在本地的就好了
2.5代理的基本原理
换代理防IP被封
文档评论（0）