Python爬虫实战入门二:从一个简单的HTTP请求开始

一、为什么从HTTP请求开始

无论我们通过浏览器打开网站、访问网页,还是通过脚本对URL网址进行访问,本质上都是对HTTP服务器的请求,浏览器上所呈现的、控制台所显示的都是HTTP服务器对我们请求的响应。 以打开我的个人网站为例,我们在地址栏输入“zmister.com”,浏览器上呈现的是下图:

我们按F12打开网页调试工具,选择“network”选项卡,可以看到我们对zmister.com的请求,以及zmister.com给我们的响应:

二、基本的HTTP概念

通常HTTP消息包括客户机向服务器的请求消息和服务器向客户机的响应消息。这两种类型的消息由一个起始行,一个或者多个头域,一个指示头域结束的空行和可选的消息体组成。 我们看上面对zmister.com的HTTP示例来说明:

1、HTTP概览

Request URl:表示请求的URL Request Method:表示请求的方法,此处为GET。除此之外,HTTP的请求方法还有OPTION、HEAD、POST、DELETE、PUT等,而最常用的就是GET和POST方法:

POST: 向指定资源提交数据,请求服务器进行处理(例如提交表单或者上传文件)。数据被包含在请求本文中。这个请求可能会创建新的资源或修改现有资源,或二者皆有。

GET: 向指定的资源发出“显示”请求。

Status Code:显示HTTP请求和状态码,表示HTTP请求的状态,此处为200,表示请求已被服务器接收、理解和处理; 状态代码的第一个数字代表当前响应的类型,HTTP协议中有以下几种响应类型:

1xx消息——请求已被服务器接收,继续处理

2xx成功——请求已成功被服务器接收、理解、并接受

3xx重定向——需要后续操作才能完成这一请求

4xx请求错误——请求含有词法错误或者无法被执行

5xx服务器错误——服务器在处理某个正确请求时发生错误

2、HTTP请求头

Accept:表示请求的资源类型; Cookie:为了辨别用户身份、进行 session 跟踪而储存在用户本地终端上的数据; User-Agent:表示浏览器标识; Accept-Language:表示浏览器所支持的语言类型; Accept-Charset:告诉 Web 服务器,浏览器可以接受哪些字符编码; Accept:表示浏览器支持的 MIME 类型; Accept-Encoding:表示浏览器有能力解码的编码类型; Connection:表示客户端与服务连接类型;

基本的HTTP介绍就结束了,如果需要更加详细的HTTP知识,推荐一本HTTP入门书《图解HTTP》 下面,我们用Python来实现一个简单的HTTP请求

三、用Python进行HTTP请求

这里继续用我的个人网站http://zmmister.com 作示例 打开代码编辑器,输入以下代码:

#coding:utf-8
import requests

url = "http://zmister.com"data = requests.get(url)

这样,就完成了一个简单的对zmister.com的HTTP请求。 我们看看这个请求的状态码:

data.status_code

结果返回的是:200 再看看响应的主体消息: data.content 结果返回了一大串编码了的HTML源码,这些HTML源码未经解码和解析,看上起很是凌乱

对这些凌乱的html源码进行处理,就需要使用到BeautifulSoup模块了,下一章咱们继续。

州的先生:爬虫、数据采集、分析

原文发布于微信公众号 - 州的先生(zmister2016)

原文发表时间:2017-01-05

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏小车博客

OpenVZ 魔改 BBR - lkl-rinetd 一键脚本

2071
来自专栏云计算教程系列

如何在CentOS 7上安装和配置scponly

scponly是匿名FTP的安全替代品。它使管理员能够设置具有受限远程文件访问权限且无法访问交互式shell的安全用户帐户。

780
来自专栏张尧博客

Ubuntu软件常用升级命令

4036
来自专栏阿杜的世界

【译】Linux概念架构的理解摘要一、Linux内核在整个计算机系统中的位置二、内核的作用三、Linux内核的整体架构四、高度模块化设计的系统,利于分工合作。五、系统中的数据结构六、子系统架构七、结论

声明:本文翻译自Conceptual Architecture of the Linux Kernel

764
来自专栏Java后端技术

原来实现项目多环境打包部署是如此的简单

   在软件开发和部署过程中,我们的软件往往需要在不同的运行环境中运行,例如:开发人员本地开发环境、测试团队的测试环境、生产仿真环境、正式生产环境,不同的公司可...

723
来自专栏Python中文社区

Nginx+uwsgi部署Django应用

本文目的:在centos7.x服务器上利用nginx和uwsgi部署Django应用

1664
来自专栏

使用redis构建可靠分布式锁

关于分布式锁的概念,具体实现方式,直接参阅下面两个帖子,这里就不多介绍了。 分布式锁的多种实现方式 分布式锁总结 对于分布式锁的几种实现方式的优劣,这里再列举下...

2607
来自专栏熊二哥

Linux快速入门03-系统管理

这部分将涉及常用的各类linux命令和一些系统高级管理特性,尤其是shell script的创建,这部分在系统自动化运维时会很有作用。 ? 在进入bash介绍...

1917
来自专栏性能与架构

Linux lsof 命令的实用案例

lsof 简介 lsof(list open files)是一个列出当前系统中所有打开文件的工具 Linux中一切皆文件,所以在系统中,被打开的文件可以是普...

5408
来自专栏landv

centos查看系统/硬件信息及运维常用命令

[root@yan-001 ~] # uname -a # 查看内核/操作系统/CPU信息的linux系统信息命令

2752

扫码关注云+社区