我们都见识过requests库在静态网页的爬取上展现的威力，我们日常见得最多的为get和post请求，他们最大的区别在于安全性上：
1、GET是通过URL方式请求，可以直接看到，明文传输。
2、POST是通过请求header请求，可以开发者工具或者抓包可以看到，同样也是明文的。 3.GET请求会保存在浏览器历史纪录中，还可能会保存在Web的日志中。
两者用法上也有显著差异（援引自知乎）：
1、GET用于从服务器端获取数据，包括静态资源(HTML|JS|CSS|Image等等)、动态数据展示(列表数据、详情数据等等)。
2、POST用于向服务器提交数据，比如增删改数据，提交一个表单新建一个用户、或修改一个用户等。
对于Post请求，我们可以通过浏览器开发者工具或者其他外部工具来进行抓包，得到请求的URL、请求头（request headers）以及请求的表单data信息，这三样恰恰是我们用requests模拟post请求时需要的，典型的写法如下：
response=requests.post(url=url,headers=headers,data=data_search)
由于post请求很多时候是配合Ajax（异步加载）技术一起使用的，我们抓包时，可以直接选择XHR（XmlHttpRequest）-ajax的一种对象，帮助我们滤掉其他的一些html、css、js类文件，如下图所示（截取自Chrome）：
双击点开，就可以在页面右边的Headers页下看到General、Response Headers、Request Headers、Form Data几个模块，
其中General模块能看到请求的方法和请求的URL以及服务器返回的状态码（200（成功） 服务器已成功处理了请求。通常，这表示服务器提供了请求的网页。）
而Response Headers部分，可以看到缓存控制、服务器类型、返回内容格式、有效期等参数（笔者截图所示，返回的为json文件）：
Request Header模块是非常重要的，可以有效地将我们的爬取行为模拟成浏览器行为，应对常规的服务器反爬机制：
其中Content-Type、Cookie以及User-Agent字段较为重要，需要我们构造出来（其他字段大多数时候，不是必须）
由于Cookie字段记录了用户的登陆信息，每次都不同，且同一个cookie存在一定有效期，当我们结合Selenium来组合爬取页面信息时，可以通过selenium完成网页的登陆校验，然后利用selenium提取出cookie，再转换为浏览器能识别的cookie格式，通常代码如下所示：
紧接着，我们需要构造headers部分（即请求头），我们挑重点的几个字段进行构造：
我们在网页中点击“确定”按钮，网页则会异步加载，后台发出post请求，取到json文件并渲染到网页表单中，比如我们根据需求填写了部分字段（这些就是我们post请求的data信息），然后观察后台的form data信息：
后台Form data 捕获到的data参数如图：
类似于字典格式，其中condition键对应的value较为复杂——列表中包含字典，字典中还有部分函数，其中字符串中既有单引号又有双引号交错。属于关键信息，page决定了网页的翻页在第几页，而rows则表示每次请求的数据限定的最大行数。
本例中问题的关键是，如何把想要的信息（譬如来源于excel配置文件）传递到condition字段对应的值内，确保Form data信息灵活可配置，大抵用法如下：
上述代码中，data_search其实为字典对象，其键“condition”对应的值（三引号包住部分）为字符串，本质是json格式，我们如何对这部分动态传参呢？
这里需要用到python json包中常用的loads和dumps方法：
1、json.loads()是将json格式对象，转化Python可识别的字典对象。解码python json格式，可以用这个模块的json.loads()函数的解析方法。
2、json.dumps()是将一个Python数据类型列表进行json格式的编码解析，可以将一个list列表对象，进行了json格式的编码转换。
3、json.dump和json.dumps很不同，json.dump主要用来json文件读写，和json.load函数配合使用。
上面实例中，就是将data_search['condition']（json，字符串）转换为列表，然后根据列表定位到底层的每个dict字典，最后根据dict[Key]=value的方法进行更新（传参），更新完之后的列表，再通过json.dumps反向转回字符串，这样整个data_search字典中参数就可以灵活配置，通过外部引入了。
剩下的工作就很简单，交给强大的Requests包完成就好，示例代码如下：
我们还可以把json格式内容存到本地（data.json)格式文件或者txt文本，并按照特定缩进（indent=4)进行规则排版，格式化内容，此时要用到json.dump()方法，示例代码如下:
格式化后的json看上去直观不少：
最后感慨一句：爬虫是门技术活，任何一个技术理解地不够透彻，碰到复杂的问题，可能就要花上很长时间去试错，譬如本文示例中的字典、json包几个功能的使用，稍微出错，就无法请求到对的数据！