当前位置: > python爬虫 >

简述python程序的执行原理
栏目分类:python爬虫   发布日期:2019年05月23日 11:26:16   浏览次数:

互联网是由一个个站点和网络设备组成的大网,我们通过浏览器访问站点,站点把HTML、JS、CSS代码返回给浏览器,这些代码经过浏览器解析、渲染,将丰富多彩的网页呈现我们眼前。

  一、爬虫是什么?

  如果我们把互联网比作一张大的蜘蛛网,数据便是存放于蜘蛛网的各个节点,而爬虫就是一只小蜘蛛,沿着网络抓取自己的猎物(数据)爬虫指的是:向网站发起请求,获取资源后分析并提取有用数据的程序。

  从技术层面来说就是 通过程序模拟浏览器请求站点的行为,把站点返回的HTML代码/JSON数据/二进制数据(图片、视频) 爬到本地,进而提取自己需要的数据,存放起来使用;

  二、爬虫的基本流程

  用户获取网络数据的方式:

  方式1:浏览器提交请求--->下载网页代码--->解析成页面

  方式2:模拟浏览器发送请求(获取网页代码)->提取有用的数据->存放于数据库或文件中

  爬虫要做的就是方式2。

  

		简述python程序的执行原理

  1、发起请求

  使用http库向目标站点发起请求,即发送一个Request

  Request包含:请求头、请求体等

  Request模块缺陷:不能执行JS 和CSS 代码

  2、获取响应内容

  如果服务器能正常响应,则会得到一个Response

  Response包含:html,json,图片,视频等

  3、解析内容

  解析html数据:正则表达式(RE模块),第三方解析库如Beautifulsoup,pyquery等

  解析json数据:json模块

  解析二进制数据:以wb的方式写入文件

  4、保存数据

  数据库(MySQL,Mongdb、Redis)

  文件

  三、http协议 请求与响应

  Request:用户将自己的信息通过浏览器(socket client)发送给服务器(socket server)

  Response:服务器接收请求,分析用户发来的请求信息,然后返回数据(返回的数据中可能包含其他链接,如:图片,js,css等)

  ps:浏览器在接收Response后,会解析其内容来显示给用户,而爬虫程序在模拟浏览器发送请求然后接收Response后,是要提取其中的有用数据。

  四、 request

  1、请求方式:

  常见的请求方式:GET / POST

  2、请求的URL

  url全球统一资源定位符,用来定义互联网上一个唯一的资源 例如:一张图片、一个文件、一段视频都可以用url唯一确定

  url编码

  https://www.baidu.com/s?wd=图片

  图片会被编码(看示例代码)

  网页的加载过程是:

  加载一个网页,通常都是先加载document文档,

  在解析document文档的时候,遇到链接,则针对超链接发起下载图片的请求

  3、请求头

  User-agent:请求头中如果没有user-agent客户端配置,服务端可能将你当做一个非法用户host;

  cookies:cookie用来保存登录信息

  注意:一般做爬虫都会加上请求头

  请求头需要注意的参数:

  (1)Referrer:访问源至哪里来(一些大型网站,会通过Referrer 做防盗链策略;所有爬虫也要注意模拟)

  (2)User-Agent:访问的浏览器(要加上否则会被当成爬虫程序)

  (3)cookie:请求头注意携带

  4、请求体

  请求体如果是get方式,请求体没有内容 (get请求的请求体放在 url后面参数中,直接能看到)如果是post方式,请求体是format dataps:1、登录窗口,文件上传等,信息都会被附加到请求体内2、登录,输入错误的用户名密码,然后提交,就可以看到post,正确登录后页面通常会跳转,无法捕捉到post

  五、 响应Response

  1、响应状态码

  200:代表成功

  301:代表跳转

  404:文件不存在

  403:无权限访问

  502:服务器错误

  2、respone header

  响应头需要注意的参数:

  (1)Set-Cookie:BDSVRTM=0; path=/:可能有多个,是来告诉浏览器,把cookie保存下来

  (2)Content-Location:服务端响应头中包含Location返回浏览器之后,浏览器就会重新访问另一个页面

  3、preview就是网页源代码

  JSO数据

  如网页html,图片

相关热词:

下一篇:没有了
热门关键词
python字符串
     
python教程 python爬虫 python人工智能 Python+大数据 python问答