python web 2

Posted junkdog

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 web 2相关的知识,希望对你有一定的参考价值。

思路整理

过程:请求豆瓣电影 top 250 url=‘https://movie.douban.com/‘

结果:得到网页的html 源码 (保存为hml文件 就可以用浏览器打开)

 

 提示:

Location 

WEB 服务器告诉浏览器,试图访问的对象已经被移到别的位置了,到该头部指定的位置去取。

例如:Location:http://i0.sinaimg.cn/dy/deco/2008/0528/sinahome_0803_ws_005_text_0.gif

 

第一步:得到指定URL,解析url,这是准备工作

  使用函数:parsed_url() 

  为什么解析? 我们需要的是 它的协议--http/https 

                他的host port path  (如下图 )

技术分享图片

ok 原因我们明白了 那我们怎么实现的

一会儿有空再说 我们需要接着验证其他步骤 去理解这个过程,这个更重要

 

第二步:获取 URL 这才进入主题 这个主题分几个步骤完成

  首先函数get(url)从parsed_url() 中获取到几个解析完成的关键值:protocol, host, port, path

   执行步骤A

    函数 socket_by_protocol(protocol),根据协议返回一个socket实例,什么事socket实例

    (Socket又称"套接字",应用程序通常通过"套接字"向网络发出请求或者应答网络请求)

    由socket的作用 认为此条程序在内容是进行http 和 https的判别(因为HTTPS 协议需要使用 ssl.wrap_socket 包装一下原始的 socket)

     实质上是为网络访问奠定基础即创建socket

         s.connect((host, port)): connect()用于建立与指定socket的连接。

 

  执行步骤B(强行分出步骤hhhh)

   request = ‘GET {} HTTP/1.1 host: {} Connection: close ‘.format(path, host)   构造一个http 请求

       (其中Connection 头(header) 决定当前的事务完成后,是否会关闭网络连接。如果该值是“keep-alive”,网络连接就是持久的,不会关闭,

   使得对同一个服务器的请求可以继续在该连接上完成。)

 

  执行步骤C

  encoding = ‘utf-8‘

  s.send(request.encode(encoding)) 

        浏览器和服务器之间发送的信息是以二进制bytes格式存在的,所以发送前要先将str格式的request转化为bytes

 

  执行步骤D  

  response_by_socket(s)

  response.decode(encoding)

  s就是之前构造的socket实例,发出访问请求后,接收所有服务器返回的信息,转换为str

  (python3默认编码为unicode,由str类型进行表示。二进制数据使用byte类型表示,所以不会将str和byte混在一起。在实际应用中我们经常需要将两者进行互转)

 

  执行步骤E 

  parsed_response(r)

  对服务器传回的信息进行解析(以下为传回的信息,通过 可对内容成功分解,理出条理,比较笨,但第一次这样解析过返回的源码,感觉瞬间明白了网页的一些内容

  b‘HTTP/1.1 301 Moved Permanently

   Date: Sat, 27 Oct 2018 14:31:33GMT

  Content-Type: text/html

   Transfer-Encoding: chunked

  Connection:close

   Location: https://movie.douban.com/top250

  Server: dae

   X-Content-Type-Options:nosniff

   b2r <html>

   <head><title>301 Moved Permanently</title></head>

  <body bgcolor="white">

   <center><h1>301 Moved Permanently</h1></center>

  <hr><center>nginx</center>

   </body>

  </html> 0

  去掉 后可清楚得到许多信息

  

 HTTP/1.1 301 Moved Permanently
        Date: Sun, 05 Jun 2016 12:37:55 GMT
        Content-Type: text/html
        Content-Length: 178
        Connection: keep-alive
        Keep-Alive: timeout=30
        Location: https://movie.douban.com/top250
        Server: dae
        X-Content-Type-Options: nosniff

        <html>
        <head><title>301 Moved Permanently</title></head>
        <body bgcolor="white">
        <center><h1>301 Moved Permanently</h1></center>
        <hr><center>nginx</center>
        </body>
        </html>

 

  如何解析 下面代码实现

  

header, body = r.split(

, 1)
    h = header.split(
)
    status_code = h[0].split()[1]
    status_code = int(status_code)

    headers = {}
    for line in h[1:]:
        k, v = line.split(:)
        headers[k] = v

这个代码我们也暂时不去关心它的正确与否,接着往下分析

  解析出

    状态码 int

    headers dict

    body str

 

  执行步骤F

  遇到重定向问题,所谓重定向(Redirect)就是通过各种方法(本文提到的为3种)将各种网络请求重新转到其它位置(URL)。每个网站主页是网站资源的入口,当重定向发生在网站主页时,如果不能正确处理就很有可能会错失这整个网站的内容。

status_code, headers, body = parsed_response(r)
    if status_code == 301:
        url = headers[Location]
        return get(url)
    return status_code, headers, body

这个属于服务器端重定向,在服务器端完成,一般来说爬虫可以自适应,是不需要特别处理的,如响应代码301(永久重定向)、302(暂时重定向)等。具体来说,可以通过requests请求得到的response对象中的url、status_code两个属性来判断。利用上图代码进行处理

(当status_code为301、302或其他代表重定向的代码时,表示原请求被重定向;当response对象的url属性与发送请求时的链接不一致时,也说明了原请求被重定向且已经自动处理。)

大概理解了,就是你得通过提示找到资源存放的真正地点,不知道是否完全正确

 

 

接下来

又到了我最喜欢的debug环节了 哈哈哈哈哈哈(别理我,已经疯掉)

  首先自己运行时出现了很多莫名奇妙的的错误,都指向测试代码,于是首先删掉了所有测试代码

  可疑问为什么删掉了测试代码,发现不输出任何结果,明明我在主函数中输出了很多值

  一个个设置输出检查,直到来到执行的第一句,函数根本没有执行啊喂!!

  立马参考源代码,发现自己删测试函数的时候,把执行主函数的语句删掉了,,

 

  我是用函数的方法写的,mian来执行这些函数,而谁来执行整个文件呢

  (因为python不像其它函数一样是必须从 main 进入的,这个mian 其实相当于一个普通滴函数),所以如下

技术分享图片它来执行我写的这个.py文件

暂时是这么理解的,但这个奇怪的函数我查了资料

def cs():
    print(已打开cs!)
 
if __name__ == __main__:
    print(cs主函数!)

如图 将原本单独的print(‘cs主函数!’)之前加入一句if_name_ == ‘_main_‘:

就会使另一文件调用它时不执行print(‘cs主函数!’)只执行 print(‘已打开cs!‘)

这样既可以让“模块”文件运行,也可以被其他模块引入,而且不会执行函数2次。这才是关键。

 

总结一下:

如果我们是直接执行某个.py文件的时候,该文件中那么”__name__ == ‘__main__‘“是True,

但是我们如果从另外一个.py文件通过import导入该文件的时候,这时__name__的值就是我们这个py文件的名字而不是__main__。

这个功能还有一个用处:调试代码的时候,在”if __name__ == ‘__main__‘“中加入一些我们的调试代码,我们可以让外部模块调用的时候不执行我们的调试代码,但是如果我们想排查问题的时候,直接执行该模块文件,调试代码能够正常运行
---------------------
(总结转自:https://blog.csdn.net/qq_27231343/article/details/51184389 )

函数可以执行后

最终又改掉了两个错误:

 headers = {}
    for line in h[1:]:
        k, v = line.split(: )#自己写的时候‘: ’ 冒号后少打一个空格 一直报too many values to unpack 的错误
        headers[k] = v
    return status_code, headers, body
 if status_code == 301:
        url = headers[Location]#自己重新打发现L时大写,自己一直是小写,,,汗
        return get(url)

都是很小的错误,但要老命了

最后附上成功的爬到的源码:单独放文章了,有点多,,,

 

 搞定,喜大普奔,终于结束了,junkdog  gogogog!





以上是关于python web 2的主要内容,如果未能解决你的问题,请参考以下文章

JAVA WEB代码片段

代码片段 - Golang 实现简单的 Web 服务器

即学即用的 30 段 Python 实用代码

高效Web开发的10个jQuery代码片段

高效Web开发的10个jQuery代码片段

web前端开发JQuery常用实例代码片段(50个)