Python 爬虫http协议详解

曾经终败给现在 2022-12-01 14:12 173阅读 0赞

请求头参数及说明：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6ejc4MTY5OTg4MA_size_16_color_FFFFFF_t_70][]

Accept表示浏览器支持的 MIME 类型；  
MIME的英文全称是 Multipurpose Internet Mail Extensions（多功能 Internet 邮件扩充服务），它是一种多用途网际邮件扩充协议，在1992年最早应用于电子邮件系统，但后来也应用到浏览器。  
text/html,application/xhtml+xml,application/xml 都是 MIME 类型，也可以称为媒体类型和内容类型，斜杠前面的是 type（类型），斜杠后面的是 subtype（子类型）；type 指定大的范围，subtype 是 type 中范围更明确的类型，即大类中的小类。  
Text：用于标准化地表示的文本信息，文本消息可以是多种字符集和或者多种格式的；  
text/html表示 html 文档；  
Application：用于传输应用程序数据或者二进制数据；  
application/xhtml+xml表示 xhtml 文档；  
application/xml表示 xml 文档。  
Cache-Control指定请求和响应遵循的缓存机制。在请求消息或响应消息中设置Cache-Control并不会影响到另一个消息处理过程中的缓存处理过程。  
请求时的缓存指令包括：no-cache, no-store, max-age, max-stale, min-fresh, only-if-cached。  
响应消息中的指令包括：public, private, no-cache, no-store, no-transform, must-revalidate, proxy-revalidate, max-age。  
Public：指示响应可被任何缓存区缓存。  
Private：指示对于单个用户的整个或部分响应消息，不能被共享缓存处理。这允许服务器仅仅描述当前用户的部分响应消息，此响应消息对于其他用户的请求无效。  
no-cache：指示请求或响应消息不能缓存  
no-store：用于防止重要的信息被无意的发布。在请求消息中发送将使得请求和响应消息都不使用缓存。  
max-age：指示客户机可以接收生存期不大于指定时间（以秒为单位）的响应。  
min-fresh：指示客户机可以接收响应时间小于当前时间加上指定时间的响应。  
max-stale：指示客户机可以接收超出超时期间的响应消息。如果指定max-stale消息的值，那么客户机可以接收超出超时期指定值之内的响应消息。  
User-Agent的值是：用户使用的客户端的一些必要信息，比如操作系统、浏览器及版本、浏览器渲染引擎等。  
transfer-encoding的可选值有：chunked,identity，从字面意义可以理解，前者指把要发送传输的数据切割成一系列的块数据传输，后者指传输时不做任何处理，自身的本质数据形式传输。举个例子，如果我们要传输一本“红楼梦”小说到服务器，chunked方式就会先把这本小说分成一章一章的，然后逐个章节上传，而identity方式则是从小说的第一个字按顺序传输到最后一个字结束。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6ejc4MTY5OTg4MA_size_16_color_FFFFFF_t_70]: /images/20221123/9ea89d7526514890bb7173c9cb38727d.png