爬虫入门基础-Firefox数据抓包

我们知道了什么是爬虫，也知道了爬虫的具体流程。那么在我们要对某个网站进行爬取的时候要对其数据进行分析，就要知道应该怎么请求就要知道获取的数据是什么样的，我们要学会怎么数据抓包。 打开我们的 firfox浏览器 （使用developer版本 https://www.mozilla.org/zh-CN/firefox/developer/），www.16yun.cn/help/ 用力回车，这个时候，进入开发者模式。 可以看到 查看器 标签下对应的 HTML 代码其实就是这个网页的代码

我们点击 网络 这个标签，然后刷新一下，可以看到有很多的请求。

HTTP 的请求方式有好几种GET, POST, PUT, DELETE, HEAD, OPTIONS, TRACE 不过最常见的就是 GET 和 POST 请求 我们直接搜索 curl 然后我们就可以发现，有好多请求。

这些都是 GET 请求，我们随便点击一个请求进去。

可以看到我们的请求URL https://da.qidian.qq.com/ping/pv?v=0.7.7&tid=2852159957&aid=&pid=pmiv88.r7hk8g.k9jadf6j&qid=u4wwzq.mg3d1l.k9ja8lwt&src=11&cid=925788040378091&sid=1.1.4s7tel.k9ja8m1r&r=https%3A%2F%2Fwww.16yun.cn%2Fhelp%2F&pt=curl%E7%A4%BA%E4%BE%8B+-+%E4%BA%BF%E7%89%9B%E4%BA%91&sw=1080&sh=1920&dpr=1&saw=1080&sah=1920&scd=24&so=landscape-primary&bw=1065&bh=594&tz=-8&hasf=32.0.0&hasadb=1&hasc=1&hastc=0&hasls=1&hasss=1&hasid=1&t=k9jadf98&z=jbk3ea 在 ？后面的就是 GET 请求的参数，这些参数以「键值对」的形式实现，比如这里的 v=0.7.7 就是告诉网站，需要请求版本0.77，这种方式的请求方式是最简单的，所以以后我们在 Python 写 GET 请求的时候。直接在 URL 后面加个 ？然后添加参数值就好了。 那么，啥是 POST 请求呢？我们在做一些信息提交的时候 比如注册，登录这时候我们做的就是 POST 请求，POST 的参数不会直接放在 URL 上，会以 Form 表单的形式将数据提交给服务器。 我们来登录一下ip.16yun.cn:817

当我们点击登录的时候，就开始将我们的账号密码请求给务器，可以看到我们请求了 登录 这个接口，请求方法就是 POST。

而我们的请求参数是以 Form 表单的方式提交的

拉到下面就可以看到 username 就是 test password 就是 test 这些都是 POST 参数 可以发现，GET请求把请求参数都暴露在URL上，而POST请求的参数放在request body 里面

这个就是请求头，Request Header，我们在做 HTTP 请求的时候，除了提交一些参数之外，我们还有定义一些 HTTP 请求的头部信息，比如 Accept、Host、cookie、User-Agent等等，这些参数也是我们在做爬虫要用到 ，通过这些信息，欺骗服务器，告诉它我们是正规请求。 比如，我们可以在代码里面设置 cookie 告诉服务器我们就是在这个浏览器请求的会话，User-Agent 告诉服务器我们是浏览器请求的，说完我们这边的请求了. 接着我们再说说服务器的响应 你一定遇到过 404 页面吧，或者服务器错误返回个 502 ，这些 404 ，200，301，502 都是服务器的响应码，一般服务器给我们返回 200，那就说明，我们成功请求了。 再来说说响应头，当我们请求成功之后，服务器会给我们返回响应码之外，还有响应头,这个头主要是告诉我们数据以什么样的形式展现，告诉我们cookie的设置，还有一个，就是响应体了。 说白了，就是服务器返回给我们的数据，我们点击 Response 就可以看到相关的数据了

看，这些就是服务器返回给我们的 HTML 源代码，对于不同的请求，我们获取到的数据是不一样的，除了 HTML的，也有 JSON 的，图片二进制数据等等，可以针对不同的情况，用不同的手段来解析这些数据 说到这里，想必你已经会在 Firefox 抓包了，所谓抓包，就是我们摸清了浏览器里面的套路，知道它是怎么搞，那么通过我们的请求，GET 请求也好，POST 请求也罢，只要知道请求方式，只要知道请求参数，只要知道请求头定义，只要知道怎么拿到返回的数据。