zoukankan
html css js c++ java
爬虫基础总结1
html
爬虫基础
概念
模拟浏览器发送网络请求,获取响应
分类
通用爬虫
搜索引擎的爬虫,面对整个互联网上所有的网站
聚焦爬虫
针对特定网站的爬虫
分类标准:爬虫爬取的范围
流程
1.url
2.发送请求,获取响应 (提取url地址,发送下一次请求)
3.提取数据
保存
rebots协议
道德层面的约束
数据应用
展示数据
进行数据分析等后续工作
HTTPS和HTTP
概念
https: http+ssl
http: 超文本传输协议
https更安全,性能更低
浏览器发送请求的流程
1.url
2.dns服务器获取域名的ip地址
3.请求ip
url对应的响应+css+js+png
注意:浏览器渲染出来的内容(elements)和url地址对应的响应不一样
url
协议
瞄点加不加,返回的响应一样
http协议的内容
1.请求行
2.请求头
User-Agent
用户代理。告诉服务器当前发送请求的是什么样的程序
Cookies
1.获取登录后的页面
2.对方的服务器通过cookie判断程序是否为爬虫
3.请求体
Post请求才有请求体
请求方法
get
post
表单
发送的数据量比较大的时候 (参数较多)
状态码
200:成功
302,307:重定向
404:资源不存在
500:服务器内部错误
字符串处理
str bytes.decode()
bytes str.encode()
Ascii,gbk,unicode字符集
Ascii使用一个字节表示一个字符,unicode使用2个字节表示一个字符
utf-8是unicode的一种实现方式,可变长的编码方式
requests
发送请求
requests.get(url)
获取响应的html字符串
response.content
bytes
response.content.decode()
response.text
str
response.encoding来指定编码格式
解决requests中编码的问题
response.content.decode()
resopnse.content.decode('gbk')
response.text
gbk<gb2312<gb18030
查看全文
相关阅读:
vue报错 error: data.push is not a function
vue elment.style样式修改(第三方组件自生成元素)
按元素标签查询多个
按css查询多个元素
按CSS查询一个元素
查询单个元素
JavaScript 查找元素
Spring 商品分类
Spring 使用日志
Spring 使用日期类型
原文地址:https://www.cnblogs.com/wsilj/p/12735281.html
最新文章
细胞-白细胞
JavaScript Date对象函数
处理器嵌入室内校正数字音频平台
定制语音代理(智能体)的背后是什么?
物联网安全只有最薄弱的环节才有保障
ST为飞行时间传感器增加了多目标测距
什么是光线跟踪,是如何实现实时三维图形的?
实时双频Wi-Fi如何实现下一代车内连接
硬件安全模块如何启用AUTOSAR
Gbps接口面向汽车应用
热门文章
通往安全自动驾驶汽车的艰难道路
新兴解决方案增强了电动汽车电源(功耗)管理
js 实现横向轮播效果
vue 实现邮戳边缘
vue 实现单选框
vue 报错:Cannot read property '_wrapper' of undefined
css——做border小于1px的边框
js 实现音频播放与暂停
css 实现头像周围光圈动态效果
vue 打包后app.css,verondor.js文件过大
Copyright © 2011-2022 走看看