Python爬虫基础讲解（四）：请求

刺骨的言语ヽ痛彻心扉 2023-01-20 10:57 2阅读 0赞

### **Python爬虫、数据分析、网站开发等案例教程视频免费在线观看** ###

https://space.bilibili.com/523606542

# [Python学习交流群：1039649593][Python_1039649593] #

# 1. 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。

![4ad44775dc067603107c43eb30a9f3f6.png][]

### 个网址的组成: ###

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][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。

# 2. 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**

![8bf586f49da0ee71110b6301fc66b433.png][]

# 3. 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。

1.  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。
2.  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][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。

# 4. 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。

# 5. 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_1039649593]: https://jq.qq.com/?_wv=1027&k=SBLaYU2c
[4ad44775dc067603107c43eb30a9f3f6.png]: /images/20221021/871155b5718940118793d9d40980ca4c.png
[http_mail.163.com_index.html]: http://mail.163.com/index.html
[8bf586f49da0ee71110b6301fc66b433.png]: /images/20221021/95ff67b179774260982179336da13e0b.png
[http_www.baidu.com_s_wd_Chinese]: http://www.baidu.com/s?wd=Chinese