Python爬虫知识点——请求

请求

:请求方法、请求网址、请求头、请求体

请求方法：

常见的为:GET、POST

GET与POST主要区别：

GET请求参数包含在URL，可从URL中看出。POST请求的URL不包含参数，都是通过表单的形式传输的，包含在请求体中

GET请求提交的数据最多只有1024字节，POST无限制

其他还有HEAD、PUT、DELETE、CONNECT、OPTIONS、TRACE

请求的网址：

即URL，我们想要请求的资源

请求头：

用来说明服务器要使用的附加信息，比较总要的有Cookie、Referer、User-Agent等。

Accept:请求报头域，用于指定客户端可接受哪些类型的信息。

Accept-Language:指定客户端可接受的语言类型。

Accept-Encoding:指定客户端可接受的内容编码。

Host:用于指定请求资源的主机IP和端口号，其内容为请求URL的原始服务器或网关的位置。从HTTP1.1版本开始，请求必须包含此内容。

Cookie:也常用复数形式Cookies, 是网站为了辨别用户进行会话跟踪而存储在用户本地的数据。它的主要功能是维持当前访问会话。例如，我们输人用户名和密码成功登录某个网站后，服务器会用会话保存登录状态信息，后面我们每次刷新或请求该站点的其他页面时，会发现都是登录状态，这就是Cookies的功劳。Cookies里有信息标识了我们所对应的服务器的会话，每次浏览器在请求该站点的页面时，都会在请求头中加上Cookies 并将其发送给服务器，服务器通过Cookies识别出是我们自己，并且查出当前状态是登录状态，所以返回结果就是登录之后才能看到的网页内容。

Referer:此内容用来标识这个请求是从哪个页面发过来的，服务器可以拿到这一信息并做相应的处理，如做来源统计、防盗链处理等。

User-Agent: 简称UA，它是一个特殊的字符串头，可以使服务器识别客户使用的操作系统及版本、浏览器及版本等消息。在做爬虫时加上此信息，可以伪装成浏览器；如果不加，很可能被识别出为爬虫

Content-Type:也叫互联网媒体类型( Intermet Media Type)或者MIME类型，在HTTP协议消息头中，它用来表示具体请求中的媒体类型信息。更多对应关系可以查看此对表:http://tool.oschina.net/commons

文件扩展名	Content-Type(Mime-Type)
.html、 .htx 、 .htm	text/html
.gif	image/gif
.json	application/json

Content-Type与POST提交数据方式的关系

Content-Type	提交数据的方式
appication/x-www-urlencodeed	表单数据
multipart/form-data	表单文件上传
applicatiobn/json	序列化json数据
text/html	XML数据

如果构造POST请求，需要使用正确的Content-Type，不然可能导致POST提交后无法正常响应

==>因此，请求头是请求的重要组成部分，在写爬虫时，大部分情况下都需要设定请求头。

请求体：

请求体一般承载的内容是POST请求中的表单数据，而对GET请求，请求体则为空。