今日内容：一 爬虫原理二 Requests请求库一 爬虫原理1.什么是互联网？指的是由一堆网络设备，把一台台的计算机互联网到一起称之为互联网。2.互联网建立的目的？互联网建立的目的是为了数据的传递以及数据的共享。3.什么是数据？例如淘宝、京东商品信息等...东方财富、雪球网的一些证券投资信息...链家、自如等房源信息....12306的票务信息...4.上网的全过程:- 普通用户:打开浏览器 ——> 往目标站点发送请求 ——> 获取响应数据 ——> 渲染到浏览器中- 爬虫程序:模拟浏览器 ——> 往目标站点发送请求 ——> 获取响应数据 ——> 提取有价值的数据 ——> 持久化到数据中5.浏览器发送的是什么请求？http协议的请求。- 客户端:浏览器是一个软件 --> 客户端的 IP 和 端口- 服务端https://www.jd.com/www.jd.com（京东域名）-> DNS解析 -> 京东服务端的 IP 和 端口客户端的ip和端口 ------> 服务端的 IP 和 端口 发送请求可以建立链接获取相应数据。6.爬虫的全过程- 发送请求 （需要请求库: Requests请求库、Selenium请求库）- 获取响应数据 （只要往服务器发送请求，请求通过后会返回响应数据）- 解析并提取数据（需要解析库: re、BeautifulSoup4、Xpath...）- 保存到本地 (文件处理、数据库、MongoDB存储库)二 Requests请求库1.安装与使用- 打开cmd- 输入: pip3 install requests2.爬取视频3.抓包分析打开浏览器的开发者模式（检查）----> 选中network找到访问的页面后缀 xxx.html（响应文本）1)请求url（访问的网站地址）2)请求方式：GET:直接发送请求获取数据https://www.cnblogs.com/kermitjam/articles/9692597.htmlPOST:需要携带用户信息往目标地址发送请求https://www.cnblogs.com/login3) 响应状态码:2xx: 成功3xx: 重定向4xx: 找不到资源5xx: 服务器错误4) 请求头信息:User-Agent: 用户代理（证明是通过电脑设备及浏览器发送的请求）Cookies: 登录用户真实信息（证明你目标网站的用户）Referer: 上一次访问的url （证明你是从目标网站跳转过来的）5)请求体:POST请求才会有请求体。Form Data{'user': 'tank','pwd': '123'}四 爬取豆瓣电影.: 从当前位置开始*: 查找所有?: 找到第一个不找.*?: 非贪婪匹配.*: 贪婪匹配(.*?): 提取括号内的数据电影排名、电影url、电影名称、导演-主演-类型、电影评分、评价人数、电影简介<div class="item">.*?<em class="">(.*?)</em>.*?<a href="(.*?)">.*?<span class="title">(.*?)</span>.*?导演:(.*?)</p>.*?<span class="rating_num".*?>(.*?)</span>.*?<span>(.*?)人评价</span>.*?<span class="inq">(.*?)</span><div class="item"> <div class="pic"><em class="">226</em><a href="https://movie.douban.com/subject/1300374/"><img width="100" alt="绿里奇迹" src="https://img3.doubanio.com/view/photo/s_ratio_poster/public/p767586451.webp" class=""></a> </div> <div class="info"><div class="hd"><a href="https://movie.douban.com/subject/1300374/" class=""><span class="title">绿里奇迹</span><span class="title"> / The Green Mile</span><span class="other"> / 绿色奇迹(台) / 绿色英里</span></a><span class="playable">[可播放]</span></div><div class="bd"><p class="">导演: Frank Darabont 主演: 汤姆·汉克斯 Tom Hanks / 大卫·摩斯 David M...<br>1999 / 美国 / 犯罪 剧情 奇幻 悬疑</p><div class="star"><span class="rating45-t"></span><span class="rating_num" property="v:average">8.7</span><span property="v:best" content="10.0"></span><span>141370人评价</span></div><p class="quote"><span class="inq">天使暂时离开。</span></p></div> </div> </div>
