Datawhale-爬虫-Task1（学习get与post请求）

学习内容

Get与Post请求
requests库和urllib库的区别
断网后发出申请的结果
申请返回的状态码

分类
状态码列表

什么是请求头，如何添加请求头

定义
使用requests库添加请求头

Get与Post请求

本质： get和post本质上都是TCP链接，并无差别，只是由于HTTP的规定和浏览器/服务器的限制，导致他们在应用过程中体现出一些不同。
Get产生一个TCP数据包；Post产生两个TCP数据包。
对于GET方式的请求，浏览器会把http header和data一并发送出去，服务器响应200（返回数据）；对于POST，浏览器先发送header，服务器响应100（continue），然后再发送data，服务器响应200（返回数据）；
对于HTTP协议的GET和POST，他们只有一点根本区别，一个用于获取数据，一个用于修改数据。

requests库和urllib库的区别

示例：分别用requests库和urllib库向百度发送一个请求，并将其返回结果输出
urllib库：

import urllib.request  
url = "https://www.baidu.com"
r = urllib.request.urlopen(url)
print("Response Headers:")
print(r.info())
print('-'*50)
print("Status Code:",r.getcode())
print("Response Body:")
print(r.read())

返回结果：
在这里插入图片描述
requests库：

import requests
url = "https://www.baidu.com"
r = requests.get(url)
r.encoding = 'utf-8'
print("Response Headers:")
print(r.headers)
print('-'*50)
print("Status Code:",r.status_code)
print("Response Body:")
print(r.text)

返回结果：
在这里插入图片描述

两者比较：

1）请求方法：发送get请求时，第一种使用的urllib库的urlopen方法打开一个url地址，而第二种直接使用requests库的get方法，与http请求方式是对应的，更加直接、易懂

2）请求数据：第一种按照url格式去拼接一个url字符串，显然非常麻烦，第二种按顺序将get请求的url和参数写好就可以了

3）处理响应：第一种处理消息头部、响应状态码和响应正文时分别使用info()、getcode()、read()方法，第二种使用.headers、.status_code、.text方法，方法名称与功能本身相对应，更方便理解、学习和使用。

4）连接方式：看一下返回数据的头信息的“connection”，使用urllib库时，“connection”:“close”，说明每次请求结束关掉socket通道，而使用requests库使用了urllib3，多次请求重复使用一个socket，“connection”:“keep-alive”，说明多次请求使用一个连接，消耗更少的资源。

5）编码方式：requests库的编码方式Accept-Encoding更全，在此不做举例。

由此可见，requests库更容易理解和阅读，符合Python哲学“Readability counts”，可读性很重要~更利于开发人员学习和使用

断网后发出申请的结果

requests库：
在这里插入图片描述
urillb库：

申请返回的状态码

状态码列表

状态码	状态码英文名称	中文描述
100	Countinue	继续，客户端应该继续他的请求
101	Switching Protocols	切换协议
200	OK	请求成功，一般用于GET与POST请求
201	Created	以创建。成功请求并创建了新的资源
202	Accepted	以接受，已接受请求，但是为处理完成
203	Non-Authoritative Information	非授权信息，请求成功，返回的数据为原始数据
204	No Content	无内容，服务器处理成功但是没有返回数据
205	Reset Content	重置内容，服务器处理成功，客户端应该重置文档视图
206	Partial Content	部分内容，服务器处理了部分的get请求
300	Multiple Choices	多种选择，请求的资源包括多个位置
301	Moved Permanently	永久的移动，请求的资源已经被永久的移动到新的url
302	Found	临时移动，和 301相似但是资源只是临时的移动，客户端应继续使用原本的url
303	See Other	查看其他地址，与301类似使用GET和POST请求查看
304	Not Modified
305	Use Proxy	使用代理，访问的资源必须通过代理访问
307	Temporary Redirect	临时重定向和302 相似使用的是GET请求重定向
400	BadRequest	客户端语法错误，服务端无法理解
401	Unauthorized	请求需要用户的身份认证
402	Payment Required	保留，将来使用
403	Forbidden	服务器理解客户端的请求但是，拒绝执行请求
404	Not Found	服务器找不到相应的资源
405	Not Acceptable	客户端请求中的方法被禁止
406	Not Acceptable	服务器无法根据客户端请求的内容特性完成请求
407	Proxy Authentication Required	请求要求代理的身份认证，与401类似，但请求者应当使用代理进行授权
408	Request Time-out	服务器等待客户端发送的请求时间过长，超时
409	Conflict	服务器完成客户端的PUT请求是可能返回此代码，服务器处理请求时发生了冲突
410	Gone	客户端请求的资源已经不存在。410不同于404，如果资源以前有现在被永久删除了可使用410代码，网站设计人员可通过301代码指定资源的新位置
411	Length Required	服务器无法处理客户端发送的不带Content-Length的请求信息
412	Precondition Failed	客户端请求信息的先决条件错误
413	Request Entity Too Large	由于请求的实体过大，服务器无法处理，因此拒绝请求。为防止客户端的连续请求，服务器可能会关闭连接。如果只是服务器暂时无法处理，则会包含一个Retry-After的响应信息
414	Request-URI Too Large	请求的URI过长（URI通常为网址），服务器无法处理
415	Unsupported Media Type	服务器无法处理请求附带的媒体格式
416	Requested range not satisfiable	客户端请求的范围无效
417	Expectation Failed	服务器无法满足Expect的请求头信息
500	Internal Server Error	服务器内部错误，无法完成请求
501	Not Implemented	服务器不支持请求的功能，无法完成请求
502	Bad Gateway	充当网关或代理的服务器，从远端服务器接收到了一个无效的请求
503	Service Unavailable	由于超载或系统维护，服务器暂时的无法处理客户端的请求。延时的长度可包含在服务器的Retry-After头信息中
504	Gateway Time-out	充当网关或代理的服务器，未及时从远端服务器获取请求
505	HTTP Version not supported	服务器不支持请求的HTTP协议的版本，无法完成处理

什么是请求头，如何添加请求头

定义

通俗来讲，就是能够告诉被请求的服务器需要传送什么样的格式的信息。
HTTP客户程序（例如浏览器），向服务器发送请求的时候必须指明请求类型（一般是GET或者POST）。如有必要，客户程序还可以选择发送其他的请求头。大多数请求头并不是必需的，但Content-Length除外。对于POST请求来说Content-Length必须出现。

使用requests库添加请求头

import requests
url = "http://baidu.com"
header = {'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*,q=0.8',
'Accept-Encoding': 'gzip, deflate, br',
'Accept-Language': 'zh-CN,zh;q=0.9',
'Connection': 'keep-alive' }
r = requests.post(url, headers=header)
head = r.headers #响应头
print(head)
print('-'*80)
print(r.request.headers) #请求头

返回结果：
在这里插入图片描述