爬虫学习
来源:互联网 发布:淘宝开店注册账号 编辑:程序博客网 时间:2024/04/29 16:34
基础知识
User-Agent : 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求
Content-Type : 在使用 REST 接口时,服务器会检查该值,用来确定 HTTP Body 中的内容该怎样解析。
application/xml : 在 XML RPC,如 RESTful/SOAP 调用时使用
application/json : 在 JSON RPC 调用时使用
application/x-www-form-urlencoded : 浏览器提交 Web 表单时使用
在使用服务器提供的 RESTful 或 SOAP 服务时, Content-Type 设置错误会导致服务器拒绝服务
知乎用户登录
user-Agent为请求身份,伪装浏览器
import urllibimport urllib2url = 'http://www.server.com/login'user_agent = 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'values = {'username':'cqc', 'password': 'xxxxxx'}headers = {'User-Agent' : user_agent, 'Referer' : 'http://www.zhihu.com/articles'}data = urllib.urlencode(values)request = urllib2.Request(url, data, headers)reponse = urllib2.urlopen(request)page = reponse.read()
HttpError 状态码
100:继续 客户端应当继续发送请求。客户端应当继续发送请求的剩余部分,或者如果请求已经完成,忽略这个响应。
101: 转换协议 在发送完这个响应最后的空行后,服务器将会切换到在Upgrade 消息头中定义的那些协议。只有在切换新的协议更有好处的时候才应该采取类似措施。
102:继续处理 由WebDAV(RFC 2518)扩展的状态码,代表处理将被继续执行。
200:请求成功 处理方式:获得响应的内容,进行处理
201:请求完成,结果是创建了新资源。新创建资源的URI可在响应的实体中得到 处理方式:爬虫中不会遇到
202:请求被接受,但处理尚未完成 处理方式:阻塞等待
204:服务器端已经实现了请求,但是没有返回新的信 息。如果客户是用户代理,则无须为此更新自身的文档视图。 处理方式:丢弃
300:该状态码不被HTTP/1.0的应用程序直接使用, 只是作为3XX类型回应的默认解释。存在多个可用的被请求资源。 处理方式:若程序中能够处理,则进行进一步处理,如果程序中不能处理,则丢弃
301:请求到的资源都会分配一个永久的URL,这样就可以在将来通过该URL来访问此资源 处理方式:重定向到分配的URL
302:请求到的资源在一个不同的URL处临时保存 处理方式:重定向到临时的URL
304:请求的资源未更新 处理方式:丢弃
400:非法请求 处理方式:丢弃
401:未授权 处理方式:丢弃
403:禁止 处理方式:丢弃
404:没有找到 处理方式:丢弃
500:服务器内部错误 服务器遇到了一个未曾预料的状况,导致了它无法完成对请求的处理。一般来说,这个问题都会在服务器端的源代码出现错误时出现。
501:服务器无法识别 服务器不支持当前请求所需要的某个功能。当服务器无法识别请求的方法,并且无法支持其对任何资源的请求。
502:错误网关 作为网关或者代理工作的服务器尝试执行请求时,从上游服务器接收到无效的响应。
503:服务出错 由于临时的服务器维护或者过载,服务器当前无法处理请求。这个状况是临时的,并且将在一段时间以后恢复。
web服务器收到客户端的HTTP请求,会针对每一次请求分别创建一个用于代表请求的request对象和代表响应的response对象。
要得到客户机提交过来的数据,只需要找request对象就行了。
Requests 自动的把返回信息有Unicode解码Requests 自动保存了返回内容,所以你可以读取多次,而不像urllib2.urlopen()那样返回的只是一个类似文件类型只能读取一次的对象。
- 要向客户机输出数据,只需要找response对象就行了。
打印html
request = urllib2.Request(url) response = urllib2.urlopen(request) print response.read()
- 爬虫学习
- 爬虫学习
- 爬虫学习
- 网络爬虫学习2
- 学习网络爬虫
- 学习python爬虫
- 网络爬虫 学习1
- 网络爬虫 学习2
- python 爬虫学习一
- Java学习: 网络爬虫
- 学习经历(爬虫)
- Python爬虫学习
- Python爬虫学习
- 爬虫学习笔记
- 爬虫的学习分析
- 爬虫学习笔记
- 爬虫学习1
- 爬虫学习2
- 一些linux的基本操作指令
- 常用开发环境配置问题
- ComponentName的使用及相关介绍
- yii在区间搜索
- caffe中所有Layer都不进行backward的BUG
- 爬虫学习
- NOIp知识点【转自DQS学长】
- Cocos2D-X学习3:创建一个新的场景
- 读书的一些感悟
- 只读事务的一些概念
- SDTextField:一个可以诱导输入的输入框
- Jquery插件---自定义导航条效果
- javascript入门笔记4-数组
- 陀螺仪