目录
基本的网络知识
TCP/IP
IP地址
端口
HTTP/HTTPS
HTTP
HTTPS
搭建自己的Web服务器
urllib.request模块
发送GET请求
发送POST请求
JSON数据
JSON文档的结构
JSON数据的解码
下载图片示例
返回所有备忘录信息
此文章讲解如何通过Python访问互联网上的资源,这也是网络爬虫技术的基础。
基本的网络知识
TCP/IP
在网络通信中会用到一些相关协议,其中,TCP/IP是非常重要的协议,由IP和TCP两个协议构成。IP(Internet Protocol)是一种低级的路由协议,它将数据拆分在许多小的数据包中,并通过网络将它们发送到某一特定地址,但无法保证所有包都抵达目的地,也不能保证包按顺序抵达。
由于通过IP传输数据存在不安全性,所以还需要通过TCP(Transmi ssion Control Protocol,传输控制协议)进行网络通信。TCP是一种高层次的协议,是面向连接的可靠数据传输协议,如果有些数据包没被收到,则会重发,对数据包的内容准确性进行检查并保证数据包按顺序抵达 。所以,TCP能够保证数据包安全地按照发送时的顺序送达目的地。
IP地址
为了实现网络中不同计算机之间的通信,每台计算机都必须有一个与众不同的标识,这就是IP地址,TCP/IP使用IP地址来标识源地址和目的地址。
最初,所有的IP地址都是由32位数字构成的,由4个8位的二进制数组成,每8位之间用圆点隔开,例如192.168.1.1,这种类型的地址通过IPv4指定。现在有一种新的地址模式,叫作IPv6,IPv6使用128位数字表示一个地址。尽管IPv6比IPv4有很多优势,但是由于习惯的问题,很多设备还是采用IPv4。
另外,我们有时还会用到一个特殊的IP地址127.0.0.1,127.0.0.1叫作回送地址,指本机。回送地址主要用于网络软件测试及本机的进程间通信,只发送数据,只进行本机进程间通信,不进行任何网络传输。
端口
一个IP地址标识一台计算机,每一台计算机又有很多网络通信程序在运行,提供网络服务或进行通信,这就需要不同的端口进行通信。如果把IP地址比作电话号码,那么端口就是分机号码,在进行网络通信时不仅要指定IP地址,还要指定端口号。
TCP/IP系统中的端口号是一个16位的数字,它的范围是0~65535 。将小于1024的端口号保留给预定义的服务,例如HTTP是80,FTP是21,Telnet是23,Email是25,等等。除非要和那些服务进行通信,否则不应该使用小于1024的端口。
HTTP/HTTPS
对互联网的访问大多基于HTTP/HTTPS,HTTP/HTTPS是TCP/IP的一种协议。
HTTP
HTTP(Hypertext Transfer Protocol,超文本传输协议)属于应用层协议,其简捷、快速的方式适用于分布式超文本信息传输。HTTP是无连接协议,即在每一次请求时都建立连接,服务器在处理完客户端的请求后,会先应答客户端,然后断开连接,不会一直占用网络资源。
HTTP/1.1共定义了8种请求方法:OPTIONS、HEAD、GET、POST 、PUT、DELETE、TRACE和CONNECT。GET和POST方法最常用。
(1)GET方法:用于向指定的资源发出请求,被发送的信息“显式” 地跟在URL后面。它一般只用于读取数据,例如静态图片等。GET方法有点像使用明信片给别人写信,将“信的内容”写在外面,接触到的人都可以看到,因此是不安全的。
(2)POST方法:用于向指定的资源提交数据,请求服务器进行处理 ,例如提交表单或者上传文件等。数据被包含在请求体中。POST方法像是把“信的内容”装入信封中,接触到该信封的人都看不到信的内容, 因此是相对安全的。
HTTPS
HTTPS(Hypertext Transfer Protocol Secure,超文本传输安全协议 )是超文本传输协议和SSL的组合,用于提供加密通信及对网络服务器身份的鉴定。简单地说,HTTPS是加密的HTTP。
HTTPS与HTTP的区别是:HTTPS使用https://代替http://,HTTPS使用端口443,而HTTP使用端口80与TCP/IP通信。
搭建自己的Web服务器
搭建Web服务器的步骤如下。
(1)安装JDK(Java开发工具包)
我们的Web服务器是Apache Tomcat,是支持Java Web技术的Web服务器。Apache Tomcat的运行需要Java运行环境,而JDK提供了Java运行环境,因此我们首先需要安装JDK。
(2)配置Java运行环境
Apache Tomcat在运行时需要用到JAVA_HOME环境变量,因此需要先设置JAVA_HOME环境变量。
首先,打开Windows系统环境变量设置对话框,打开该对话框有很多方式,如果是Windows 10系统,则在桌面上用鼠标右键单击“此电脑”图标,弹出Windows系统对话框,之后如下图所示操作。
(3)安装Apache Tomcat服务器
官网下载Apache Tomcat安装包apache-tom cat-9.0.13.zip并解压即可安装Apache Tom cat服务器。
(4)启动Apache Tomcat服务器
在Apache Tomcat解压目录的bin目录下找到startup.bat文件,双击sta rtup.bat即可启动Apache Tomcat。
启动Apache Tomcat成功后会看到如下信息。
(5)测试Apache Tomcat服务器
打开浏览器,在地址栏中输入http://localhost:8080/NoteWebService/,在打开的页面上介绍了当前Web服务器已经安装的Web应用(Note WebService)的具体使用方法。
打开浏览器,在地址栏中输入网址http://localhost:8080/NoteWeb Service/note.do,在打开的页面上可以查询所有数据。
注意:NoteWebService可以查询、插入、删除和修改note(备忘录)信息,备忘录信息有4个字段:CDate(日期)、Content(内容)、UserlD(用户ID)和ID(备忘录ID)
urllib.request模块
我们要想在Python中访问互联网资源,则可以使用官方内置的urllib .request模块。
发送GET请求
如果要发送HTTP/HTTPS的GET请求,则可以使用urllib.request模块的Request对象。
示例代码如下:
import urllib.request
url='http://localhost:8080/NoteWebService/note.do?action=query&ID=10' # 请求URL网址,URL中?后的内容是请求参数,多个参数之间以&分隔,action=query是一对参数,action是参数名,query是参数值
req=urllib.request.Request(url) # 创建Request对象,默认是GET请求
with urllib.request.urlopen(req) as response: # 发送网络请求,response是需要释放的对象,可以使用with as代码块管理和释放data=response.read() # 读取数据,为字节序列数据json_data=data.decode() # 将字节序列数据转换为字符串print(json_data)
发送POST请求
如果要发送HTTP/HTTPS的POST请求,则其发送流程与发送GET请求非常类似。
示例代码如下:
import urllib.request
url='http://localhost:8080/NoteWebService/note.do'
# 准备HTTP参数
params_dict={'action':'query','ID':'10'} # 准备将参数放到字典中
params_str=urllib.parse.urlencode(params_dict) # 将字符参数有转换为字符串,形式为action=query&ID=10
print(params_str)
# 字符串转换为字节序列对象
params_bytes=params_str.encode() # 发送POST请求时的参数要以字节序列形式发送
req=urllib.request.Request(url,data=params_bytes) # 发送POST请求
with urllib.request.urlopen(req) as response: # 发送网络请求,response是需要释放的对象,可以使用with as代码块管理和释放data=response.read() # 读取数据,为字节序列数据json_data=data.decode() # 将字节序列数据转换为字符串print(json_data)
JSON数据
JSON文档的结构
构成JSON文档的两种结构为:JSON对象(object)和JSON数组(array)。
在JSON对象和JSON数组中都有JSON数值,JSON数值有字符串、数字、true、false、null、对象或数组。true和false是布尔值,null表示空的对象,而且对象和数组可以嵌套。
(1)JSON对象
JSON对象类似于Python中的字典类型,示例如下:
{ # 使用大括号括起来"name":"a.htm", # 名称,需要使用双括号括起来,JSON数值,“名称-值”对"size":345,"saved":true
}
(2)JSON数组
JSON数组类似于Python中的列表类型,示例如下:
[ # 使用中括号括起来"text","html","css" # JSON数值
]
JSON数据的解码
JSON数据的解码(decode)指将JSON数据转换为Python数据,当从网络中接收或从磁盘中读取JSON数据时,需要将其解码为Python数据。
在编码过程中,JSON数据被转换为Python数据。
我们使用json模块提供的loads(str)函数进行JSON数据的解码,参数str是JSON字符串,返回Python数据。
重构前面的示例,代码如下:
import urllib.request
import json
url='http://localhost:8080/NoteWebService/note.do?action=query&ID=10' # 网络资源地址
req=urllib.request.Request(url)
with urllib.request.Request(req) as response:data=response.read()json_data=data.decode()print('JSON字符串:',json_data)py_dict=json.loads(json_data) # 解码JSON字符串,返回字典print('备忘录ID:',py_dict['ID'])print('备忘录日期:',py_dict['CDate'])print('备忘录内容:',py_dict['Content'])print('用户ID:',py_dict['UserID'])
下载图片示例
从服务器返回的数据除了字符串也能返回其他类型的数据,下面给一个下载图片示例。
import urllib.request
url='http://localhost:8080/NoteWebService/logo.png' # 网络资源地址
req=urllib.request.Request(url)
with urllib.request.Request(url) as response:data=response.read()f_name='download.png' # 下载后的文件名with open(f_name,'wb') as f: # 以写入方式打开二进制文件f.write(data)print('下载文件成功')
在文件下载成功后,会在当前目录下看到download.png文件。
返回所有备忘录信息
参考代码如下:
import urllib.request
import json
url='http://localhost:8080/NoteWebService/note.do' # 网络资源地址
req=urllib.request.Request(url)
with urllib.request.Request(req) as response:data=response.read()json_data=data.decode()py_dict=json.loads(json_data)# 返回所有的备忘录记录信息record_array=py_dict['Record'] # record_array是JSON数组for record_obj in record_array: # 遍历所有备忘录信息print('--------备忘录记录--------')print('备忘录ID:',record_obj['ID'])print('备忘录日期:',record_obj['CDate'])print('备忘录内容:',record_obj['Content'])print('用户ID:',record_obj['UserID'])