データ キャプチャでは通常、データ送信に HTTP プロトコルが使用されます。HTTP は、Web ブラウザと Web サーバーの間でデータを転送するために使用されるアプリケーション層プロトコルです。これは、クライアントがサーバーにリクエストを送信し、サーバーがクライアントに応答を返すクライアント/サーバー プロトコルです。HTTP はトランスポート プロトコルとして TCP を使用します。これはステートレス プロトコルであり、各要求と応答は独立しています。
データ キャプチャでは、HTTP プロトコルの GET メソッドと POST メソッドを使用してデータを取得できます。GET メソッドはサーバーからデータを取得するために使用され、POST メソッドはサーバーにデータを送信するために使用されます。GET メソッドの使用中、データは URL を通じて渡されますが、POST メソッドの使用中、データは HTTP リクエスト本文を通じて渡されます。
データ キャプチャでは、HTTP ヘッダーを使用して情報を転送することもできます。たとえば、User-Agent ヘッダーはさまざまなブラウザーやデバイスをシミュレートするために使用でき、Referer ヘッダーはリクエストのソースを示すために使用でき、Cookie ヘッダーは使用できます。セッション情報を転送します。
要約すると、HTTP はデータ スクレイピングで最も一般的に使用されるプロトコルの 1 つであり、データのフェッチと転送を行うためのシンプルかつ効率的な方法を提供します。
#! -*- encoding:utf-8 -*-
import requests
# 要访问的目标页面
targetUrl = "http://ip.hahado.cn/ip"
# 代理服务器
proxyHost = "ip.hahado.cn"
proxyPort = "39010"
# 代理隧道验证信息
proxyUser = "username"
proxyPass = "password"
proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
"host" : proxyHost,
"port" : proxyPort,
"user" : proxyUser,
"pass" : proxyPass,
}
proxies = {
"http" : proxyMeta,
"https" : proxyMeta,
}
resp = requests.get(targetUrl, proxies=proxies)
print resp.status_code
print resp.text