requests模块

（一）requests模块简介
Urllib和requests模块是发起http请求最常见的模块。
安装：pip install reqeusts
（二）requests模块的get方法
1、response = requests.get(
url=请求url地址，
headers = 请求头字典，
params=请求参数字典，
)
2、get请求一般带参数，带参数就将参数封装到params字典中就可以了。
案例：新浪新闻，两种分装params请求参数方式
3、response对象
（1）响应正文：
a、字符串格式的响应正文：response.text
b、字节类型(bytes)的响应正文：response.content
（2）响应正文的乱码问题解决：
a、encode和decode就是二进制和字符串之间转换方法。
编程里面数据载体
存储用变量或者常量
可以看到数据的内容一定是字符串格式。
正常的计算机数据本质都是二进制--bytes。
str.encode('编码')--->bytes
bytes.decode('编码')---->str
乱码：编码不一致造成的。
response.content.decode('页面的正确编码')---得到页面正确的字符串内容

b、response.text之所以可以获取字符串格式，其实在requests模块的底层用
response.encoding这个属性所对应的编码来将二进制内容变成字符串。其实就是response.encoding所对应的编码错了。只需要指定正确的即可。
response.encoding这个属性值值是requests模块自动识别。
response.encoding='页面正确编码'
response.text---》正确的页面内容
如果response.text乱码了，可以先给response.encoding设置正确编码，在通过response.text就可以获取正确的页面内容。

内置函数&内置模块：python自带的模块
dir()
str()
（3）状态码：response.status_code
（4）响应头：response.headers
4、分页如何实现？
分页的请求的每一页url基本上都是通过get请求的一个请求参数决定的，所以其实只需要通过get请求的params字典中的分页字段找到规律，就可以了。
案例：百度贴吧分页信息爬取
（三）requests post请求
response = requests.post(
url = 请求url地址，
headers = 请求头字典，
data=请求数据字典，
)---response对象。
案例：百度翻译案例
破解百度翻译，做到可以查询任意单词效果

三、数据的分类
1、分类
（1）结构化数据：能用关系型数据库描述的数据。
特点：数据以行为单位，一行数据表示一个实体的信息，每一行的数据的属性是相同的。
举例：关系数据库中存储的表
处理方法：sql---结构化查询语言---语言---可以在关系型数据库中对数据的操作。
（2）半结构化数据：拥有字描述结构数据
特点：包含相关标记，用来分隔语义元素以及对记录和字段进行分层----也别成为自描述结构
举例：html，xml，json。
处理方法：正则，xpath（xml，html）
（3）非结构化数据：
特点：没有固定结构的数据。
举例：文档，图片，视频，音频等等，都是通过整体存储二进制格式来保存的。
如果下载视频，音频。
处理：
response = requests.get(url='视频的地址')
保存response.content即可，文件名称后要注意。
2、json（json（JavaScript Object Notation，JS对象标记））数据
json是一种数据【交换】的格式。
json是如何来进行交换的。
【json其实是在js语言中，用'字符串'的形式来表示json中的对象和数组的一种技术。】所以json本质上是字符串。
js中的对象：var obj = {name:'zhangsan',age:'10'}----在python中这个可以当成：字典
js中的数组：var arr = ['a','b','c','d']----在python中这个可以当成：list。
3、json数据的处理（重点）
(1)使用json模块处理。
json_str:json数据
json.loads(json_str)--->python的list或者字典
json.dumps(python的list或者字典)--->json_str
(2)在requests模块中，response对象有个json方法，可以直接得到相应json字符串解析后的内容
response.json()--->python的list或者字典
四、cookie和session
1、什么是cookie和session？
cookie是网站用来辨别用户身份，进行会话跟踪，存储在本地终端上的数据。
session（会话）起来本含义是指有始有终的一系列动作和消息。在web中，session主要用来在服务器端存储特定用户对象会话所需要的信息。
2、cookie和session产生的原因：
http协议是一个无状态协议，在特定操作的时候，需要保存信息，进而产生了cookie和session。
3、cookie原理：
由服务器来产生，浏览器第一次请求，服务器发送给客户端进而保存。
浏览器继续访问时，就会在请求头的cookie字段上附带cookie信息，这样服务器就可以识别是谁在访问了。

但是cookie存在缺陷：
1、不安全--本地保存，容易被篡改。
2、大小受限，本身最大4kb。

cookie虽然在一定程度上解决了‘保持状态’的需求，但是我们希望有一种新的技术可以克服cookie缺陷，这种技术就是session。
4、session原理：
session在服务器保存。----解决安全问题。
问题来了：服务器上的session，但是客户端请求发送过来，服务器如何知道session_a,session_b,到底和那个请求对应。
所以为了解决这个问题：cookie就作为这个桥梁。在cookie有一个sessionid字段，可以用来表示这个请求对应服务器中的哪一个session。
禁用cookie，一般情况下，session也无法使用。特殊情况下可以使用url重写技术来使用session。
url重写技术：将sessionid拼接到url里面。

session的生命周期：服务器创建开始，有效期结束（一般网站设定都是大约30分钟左右），就删除。