Python爬虫之Header

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python爬虫之Header相关的知识,希望对你有一定的参考价值。

参考技术A

HTTP “请求头信息” Request Header 是向服务端提供客户端的信息,“响应头信息” Response Header 是服务端向客户端提供请求文档信息或服务器的状态信息,服务端判断服务端的身份,就是通过 Header 来判断的,所以爬虫通过设置 Header 来隐藏自己相当重要。

一个完整的HTTP请求包含以下部分:

请求方法 URL HTTP版本
请求头信息
请求数据
<一个空行,请求的结束行>

常见的请求头:
Accept :客户端接收的数据类型,如:Accept:text/html
User Agent :客户端软件类型
Authorization :认证消息,包括用户名和口令
Referer :用户获取的Web页面

真实的请求头信息会更多,下面是豆瓣某短评的真实请求头:

一个完整的HTTP响应包含以下部分:

状态行
响应头
响应数据

常见的状态行:

更多状态码查看: HTTP状态码

常见的响应头:
Server :Web服务器程序的信息
Date :当前服务器的日期和时间
Last Modified :请求文档最近一次修改的时间
Expires :请求文档过期时间
Content-length :数据长度(字节)
Content-type :数据MIME类型
WWW-authenticate :用于通知客户方需要的认证信息,如用户名,口令等

下面是豆瓣某短评的真实响应头:

Python使用Requests来请求的时候,如果没有设置Header,Header是空的,设置Header的方法如下:

以上是关于Python爬虫之Header的主要内容,如果未能解决你的问题,请参考以下文章

Python爬虫之使用celery加速爬虫

4.Python爬虫入门之二之爬虫基础了解

python爬虫系列之初识爬虫

Python爬虫从入门到进阶之爬虫简介

python应用之爬虫实战1 爬虫基本原理

2017.08.10 Python爬虫实战之爬虫攻防