爬虫初始教学总结

1.Requests库：

1.1 包含工具

1.1.1 status_code 状态码

1. 以1**开头：服务器收到请求，需要请求者继续操作

2. 以2**开头：成功访问

3. 以3**开头：重定向，需要进一步操作

4. 以4**开头：请求语法中有错误（客户端出错）

5. 以5**开头：处理请求时出错（服务器端）

1.1.2 headers 头信息

response.headers:是服务器返回的 HTTP 响应头信息，它包含了服务器对请求的元数据响应。这些信息描述了响应的特性、服务器状态、内容属性等

1.1.3 encoding 指定编码

用处：如果先前在使用text报错，可使用encoding重新指定编码

常见编码 计算机只能处理数字01，如果要处理文本，就必须把文本转换为数字01二进制的格式，这种转换方式称为字符编码。常用的几种编码格式:

1. ASCI编码:为字母编码，不兼容汉字

2. Unicode编码:万国码，可以容纳所有文字和符号。2个字节表示汉字

3. UTF-8编码:为了节省字节数，在万国码基础上优化的编码，兼容ASCII编码，所以最流行

4. GB2312:我国早期自己制定的中文编码，世界范围不通用

1.1.4 content 转换为二进制数据

常用于图片处理，让爬出的数据以二进制的形式存在

1.1.5 text 以字符串输出

将爬出的信息完全转换为文本形式，在转换时候会

1.2 比较

1.2.1 response.text