URL：
URL是Uniform Resource Locator的简称，统一资源定位符。
一个URL一般由一下几部分组成：
scheme://host:post/?quer-string=XXX#anchor
- scheme:代表的是访问协议，一般为：HTTP、HTTPS以及ftp等。
- host：主机名，域名，比如：www.baidu.com。
- post：端口号，当访问网站时，浏览器默认使用80端口。
- path：查找路径，比如：https://www.jianshu.com/trending/now，后面的 /trending/now 就是path。
- quer-string：查找字符串，比如：https://baike.baidu.com/s?wd= Python，后面的 wd= Python 就是查询字符串。
- anchor：锚点，前端用来做页面定位的。
在浏览器中请求一个URL，浏览器会对这个URL进行一个编码。除英文字母、数字以及部分符号外，其他的全部使用百分号+十六进制码值进行编码。
HTTP常用的请求方法：
在HTTP协议中，定义了八种请求方法（https://www.runoob.com/http/http-methods.html）。常用的为get和post请求：
1. get 请求：一般情况下，只从服务器获取数据，并不会对服务器资源产生任何影响的时候会使用get请求。
2. post 请求：向服务器发送数据（登录）、上传文件等，会对服务器资源产生影响的时候使用post请求。
请求头常见参数：
在HTTP协议中，向服务器发送一个请求，数据分为三类：第一是把数据放在 URL 中，第二是把数据放在 body 中（post请求），第三是把数据放在 head 中。网络爬虫中常用到的请求头参数：
1. User-Agent : 浏览器名称。在网络爬虫中经常用到。请求一个网页时，服务器通过这个参数可以知道请求是由哪个浏览器发送的。因此，我们经常设置一些浏览器的值来伪装爬虫。
2 . Referer : 表明当前的请求是从哪个URL发送过来的，一般可用来做反爬虫技术，如果不是从指定页面过来的，那么不做相关响应。
3. Cookie : http协议是无状态的，同一个人发送两次请求，服务器没能力知道两次请求来自同一个人。因此，Cookie 来做标识。一般想要登录才能访问的网站，就需要发送 Cookie 信息。
常见状态响应码：
200 （成功） 服务器已成功处理了请求。通常，这表示服务器提供了请求的网页。
301（永久重定向） 请求的网页已永久重定向到新位置。服务器返回此响应（对 GET 或 HEAD 请求的响应）时，会自动将请求者重定向到新位置。
302（临时移动重定向） 服务器目前从不同位置的网页响应请求，但请求者应继续使用原有位置来进行以后的请求。比如：访问需要登录的页面， 此时没有登录，就会重定向到登录页面。
400 （错误请求）服务器不理解请求的语法。比如：URL错误。
403 （禁止）服务器拒绝请求，权限不够。
500 （服务器内部错误） 服务器遇到错误，无法完成请求。
更加详细参考：https://blog.csdn.net/ddhsea/article/details/79405996
