zoukankan      html  css  js  c++  java
  • 02 python网络爬虫《Http和Https协议》

    一.HTTP协议

      1.概念:

        Http协议就是服务器(Server)和客户端(Client)之间进行数据交互(相互传输数据)的一种形式。

    之间形成的特殊行话(黑话:(土匪)天王盖地虎,(我)宝塔镇河妖)称为协议。

      2.Http工作原理:

        Http协议工作于客户端-服务端架构上。浏览器作为Http客户端通过URl 向Http服务器(web服务器)发送所有请求。Web服务器根据接收到的请求后,向客户端发送相应信息。

      3.Http四点注意事项:

        -Http允许传输任意类型的数据对象。正在传输的类型油Content-Type加以标记。

        -Http是无连接的:无连接的含义是限制每次连接只处理一个请求。服务器处理完成客户的请求,并收到客户的应答后,即断开连接。采用这种方式可以节省传输时间。

        -Http是无状态的:无状态是指对处理事务没有记忆功能,缺少状态意味着如果处理以前处理过的信息必须要重新传输,导致每次连接传送的数据量增大。另一方面在服务器不需要先前信息时他的应答比较快。

        - Http是媒体独立的:这意味着,只要客户端和服务器知道如何处理的数据内容,任何类型的数据都可以通过HTTP发送。客户端以及服务器指定使用适合的MIME-type内容类型。

      4.Http之request

        客户端发送一个HTTP请求到服务器的请求消息包括以下组成部分:

      

        报文头:常被叫做请求头,请求头中存储的是该请求的一些主要说明(自我介绍)。服务器据此获取客户端的信息。  

        常见的请求头:

          accept:浏览器通过这个头告诉服务器,它所支持的数据类型

          Accept-Charset:浏览器通过这个头告诉服务器,它所支持哪种字符集

          Accept-Encoding:浏览器通过这个头告诉服务器,支持的压缩格式
          Accept-Language:浏览器通过这个头告诉服务器,它的语言环境
          Host:浏览器通过这个头告诉服务器,想访问哪台主机

          User-Agent:请求载体的身份标识

             Connection:浏览器通过这个头告诉服务器,请求完后是断开链接还是何持链接

         报文体:常被叫做请求体,请求体中存储的是将要传输/发送给服务器的数据信息。

       4.Http之response

        服务器回传一个HTTP响应到客户端的响应消息包括以下组成部分:

       

         

      状态码:以“清晰明确”的语言告诉客户端本次请求的处理结果。

      HTTP的响应状态码由5段组成: 

        1xx 消息,一般是告诉客户端,请求已经收到了,正在处理,别急...

        2xx 处理成功,一般表示:请求收悉、我明白你要的、请求已受理、已经处理完成等信息.

        3xx 重定向到其它地方。它让客户端再发起一个请求以完成整个处理。

        4xx 处理发生错误,责任在客户端,如客户端的请求一个不存在的资源,客户端未被授权,禁止访问等。

        5xx 处理发生错误,责任在服务端,如服务端抛出异常,路由出错,HTTP版本不支持等。

        响应头:响应的详情展示

            常见的相应头信息:

                Location: 服务器通过这个头,来告诉浏览器跳到哪里
                Server:服务器通过这个头,告诉浏览器服务器的型号
                Content-Encoding:服务器通过这个头,告诉浏览器,数据的压缩格式
                Content-Length: 服务器通过这个头,告诉浏览器回送数据的长度
                Content-Language: 服务器通过这个头,告诉浏览器语言环境
                Content-Type:服务器通过这个头,告诉浏览器回送数据的类型
                Refresh:服务器通过这个头,告诉浏览器定时刷新
                Content-Disposition: 服务器通过这个头,告诉浏览器以下载方式打数据
                Transfer-Encoding:服务器通过这个头,告诉浏览器数据是以分块方式回送的
                Expires: -1 控制浏览器不要缓存
                Cache-Control: no-cache 
                Pragma: no-cache

        相应体:根据客户端指定的请求信息,发送给客户端的指定数据

     二.Https协议:

      1. 概念:加密安全版的Http协议。

          

      2. Https采用的加密技术:

        2.1 SSL加密技术(对称密钥加密)

          SSL采用的加密技术叫做“共享密钥加密”,也叫作“对称密钥加密”,这种加密方法是这样的,比如客户端向服务器发送一条信息,首先客户端会采用已知的算法对信息进行加密,比如MD5或者Base64加密,接收端对加密的信息进行解密的时候需要用到密钥,中间会传递密钥,(加密和解密的密钥是同一个),密钥在传输中间是被加密的。这种方式看起来安全,但是仍有潜在的危险,一旦被窃听,或者信息被挟持,就有可能破解密钥,而破解其中的信息。因此“共享密钥加密”这种方式存在安全隐患:

                

          

         2.2 非对称密钥加密技术

            “非对称加密”使用的时候有两把锁,一把叫做“私有密钥”,一把是“公开密钥”,使用非对象加密的加密方式的时候,服务器首先告诉客户端按照自己给定的公开密钥进行加密处理,客户端按照公开密钥加密以后,服务器接受到信息再通过自己的私有密钥进行解密,这样做的好处就是解密的钥匙根本就不会进行传输,因此也就避免了被挟持的风险。就算公开密钥被窃听者拿到了,它也很难进行解密,因为解密过程是对离散对数求值,这可不是轻而易举就能做到的事。以下是非对称加密的原理图:

             

          但是非对称秘钥加密技术也存在如下缺点:

            第一个是:如何保证接收端向发送端发出公开秘钥的时候,发送端确保收到的是预先要发送的,而不会被挟持。只要是发送密钥,就有可能有被挟持的风险。

            第二个是:非对称加密的方式效率比较低,它处理起来更为复杂,通信过程中使用就有一定的效率问题而影响通信速度

         2.3 Http证书机制

          

     在上面我们讲了非对称加密的缺点,其中第一个就是公钥很可能存在被挟持的情况,无法保证客户端收到的公开密钥就是服务器发行的公开密钥。此时就引出了公开密钥证书机制。数字证书认证机构是客户端与服务器都可信赖的第三方机构。证书的具体传播过程如下:

          1:服务器的开发者携带公开密钥,向数字证书认证机构提出公开密钥的申请,数字证书认证机构在认清申请者的身份,审核通过以后,会对开发者申请的公开密钥做数字签名,然后分配这个已签名的公开密钥,并将密钥放在证书里面,绑定在一起

                    

       

           2:服务器将这份数字证书发送给客户端,因为客户端也认可证书机构,客户端可以通过数字证书中的数字签名来验证公钥的真伪,来确保服务器传过来的公开密钥是真实的。一般情况下,证书的数字签名是很难被伪造的,这取决于认证机构的公信力。一旦确认信息无误之后,客户端就会通过公钥对报文进行加密发送,服务器接收到以后用自己的私钥进行解密。

    备注:本文参考:https://www.cnblogs.com/bobo-zhang/p/9645715.html

  • 相关阅读:
    需求分析的方法与实践
    系统架构分析与设计方法论
    装修-3
    装修-2
    装修-1
    daikuan
    JAVA容器全面总结
    超图8C iserver启动成功,访问不了网站localhost:8090/iserver/manager,显示404
    Arcgis中给字段添加属性域
    arcgis for server搭建集群环境
  • 原文地址:https://www.cnblogs.com/a2534786642/p/10933417.html
Copyright © 2011-2022 走看看