什么是爬虫：自动提取数据的程序。

HTTP ：

- URI : 统一资源标志符

- URL : 统一资源定位符

- URN : 统一资源名称

例如: https://github.com/favicon.ico 是 github 的网站图标链接，它是一个 URL，也是一个 URI

URI 是 URL 的子集

URL 由 URI 和 URN 构成

超文本「hypertext」

在浏览器里看到的网页就是超文本解析而成的，其网页源码是一系列HTML 代码，里面包含了一系列标签，比如 img 显示图片，p 指定显示段落等

浏览器解析这些标签后，便形成了平时看到的网页，而网页的源码HTML 就可以称作超文本。如下面右边的「代码」：

HTTP : 超文本传输协议

HTTPS : 是以安全为目标的 HTTP 通道，即 HTTP 下加入了 SSL 层，简 称 HTTPS

HTTP 请求

请求，由客户端向服务端发出，可以分为4 部分内容 :

请求方法、-请求网址、请求头、请求体，其逻辑关系如下：

1、请求方法

- GET: 请求页面，并返回页面内容

- POST : 大多用于提交表单过上传文件，数据包含在请求中

- HEAD : 类似于 GET 请求，只不过返回的相应中没有具体的内容，用于       获取报头

- PUT : 从客户端向服务器传送的数据取代指定文档的内容

- DELETE : 请求服务器删除指定的页面

- CONNECT : 把服务器当作跳板，让服务器代替客户端访问其他网页

- OPTIONS : 允许客户端查看服务器的性能

- TRACE : 回显服务器收到的请求，主要用于测试或诊断

例如，在百度中搜索python，这就是一个 GET 请求，链接为 https://www.baidu.com/s?wd=python，其中 URL 中包含了请求的参数信息，这里参数 wd 表示要搜寻的关键字。POST 请求大多在表单提交时发起，比如，对于一个登录表单，输入用户名和密码后，点击 "登录" 按钮，这通常会发起一个 POST 请求，其数据通常以表单的形式传输，而不会体现在 URL 中。

2、请求的网址

请求的网址，即统一资源定位符URL ，它可以唯一确定我们想请求的资源。

3、请求头

请求头，用来说明服务器要使用的附加信息，比较重要的信息有Cookie、Referer、User-Agent等

- Accept : 请求报头域，用于指定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

- Cookie : 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，主要功能是维持当前访问会话

- Referer : 此内容用来标识这个请求是从哪个页面发过来的

- User-Agent : 简称 UA ，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、浏览器等版本信息 。再做爬虫时加上此信息，可以伪装为浏览器; 如果不加，很可能会被识别出为爬虫

- Content-Type : 互联网媒体类型或者 MIME 类型，在 HTTP 协议消头中，它用来表示具体请求中的媒体类型信息

4、请求体

请求体一般承载的内容是POST 请求中的表单数据

响应

响应，由服务端返回给客户端，可以分为三部分，响应状态代码、响应头和响应体

响应状态代码

响应状态代码表示服务器的相应状态

响应头

响应头包含了服务器对请求的应答信息

响应体

响应的正文数据都在响应体中，「在做爬虫时，主要通过响应体得到网页的源码、JSON数据等，然后从中 做响应内容的提取」