1.HTTP
HTTP协议（HyperText Transfer Protocol，超文本传输协议）是因特网上应用最为广泛的一种网络传输协议，所有的WWW文件都必须遵守这个标准。
通信过程
2.请求
请求，由客户端向服务端发可以分为4部分：请求方法（Request Method）请求的网址（Request URL）请求头(Request Headers) 请求体(Request Body )
（1）请求方法
| 方法 | 描述 |
|---|---|
| GET | 请求页面，并返回页面内容 |
| HEAD | 类似于 GET 请求， 只不过返回的响应中没有具体的内容，用于获取报头 |
| POST | 大多用于提交表单或上传文件，数据包含在请求体中 |
| PUT | 从客户端向服务器传送的数据取代指定文梢中的内容 |
| DELETE | 请求服务器删除指定的页面 |
| CONNECT | 把服务器当作跳板，让服务器代替客户端防问其他网页 |
| OPTIONS | 允许客户端查看服务器的性能 |
| TRACE | 回显服务器收到的请求，主要用于测试或诊断 |
（2）请求的网址
请求的网址即为统一资惊定位符 URL 。
（3）请求头
常见头部信息
| 名称 | 描述 |
|---|---|
| Accept | 请求报头域，用于指定客户端可接受哪些类型的信息 |
| Accept-Language | 指定客户端可接受的语言类型 |
| Accept-Encoding | 指定客户端可接受的内容编码 |
| Host | 请求的目标 |
| Cookie | 这是网站为了辨别用户进行会话跟踪而存储在用户本地的数据。 它的主要功能是维持当前访问会话。 |
| Referer | 此内容用来标识这个请求是从哪个页面发过来的 |
| User-Agent | 可以使服务器识别客户使用的操作系统及版本、 浏览器及版本等信息。 |
| Content-Type | 也叫互联网媒体类型（ Internet Media Type ）或者 MIME 类型，在 HTTP 协议 消息头中，它用来表示具体请求中的媒体类型信息。 |
（4）请求体
请求体一般承载的内容是 POST 请求中的表单数据，而对于 GET 请求，请求体则为空。
Content-Type 和 POST 提交数据方式的关系
| Content-Type | 提交数据的方式 |
|---|---|
| application/x-www-forrn-urlencoded | 表单数据 |
| multi part/form-data | 表单文件上传 |
| application/json | 序列化 JSON 数据 |
| text/xml | XML 数据 |
注释：
在爬虫中，如果要构造 POST 请求，需要使用正确的 Content-Type ，并了解各种请求库的各个参
数设置时使用的是哪种 Content-Type ， 不然可能会导致 POST 提交后无法正常响应。
3.响应
响应，由服务端返回给客户端，可以分为三部分：响应状态码（ Response Status Code ）、响应头
( Response Headers ）和响应体（ Response Body ）。
（1）响应状态码
响应状态码表示服务器的响应状态。
常见状态码
| 状态码 | 说明 | 详情 |
|---|---|---|
| 100 | 继续 | 请求者应当继续提出请求。 服务器已收到请求的一部分，正在等待其余部分 |
| 101 | 切换协议 | 请求者已要求服务器切换协议，服务器已确认并准备切换 |
| 200 | 成功 | 服务然已成功处理了请求 |
| 201 | 已创建 | 请求成功并且服务器创建了新的资源 |
| 202 | 已接受 | 服务然已接受请求，但尚未处理 |
| 203 | 非授权信息 | 服务器已成功处理了请求，但返回的信息可能来自另一个源 |
| 204 | 无内容 | 服务器成功处理了请求， 但没有返回任何内容 |
| 205 | 重置内容 | 服务器成功处理了请求，内容被重置 |
| 206 | 部分内容 | 服务器成功处理了部分请求 |
| 300 | 多种选择 | 针对请求，服务器可执行多种操作 |
| 301 | 永久移动 | 请求的网页已永久移动到新位置，即永久重定向 |
| 302 | 临时移动 | 请求的网页暂时跳转到其他页面，即暂时重定向 |
| 303 | 查看其他位置 | 如果原来的请求是 POST ， 重定向目标文档应该通过 GET 提取 |
| 304 | 未修改 | 此次请求返回的网页未修改， 继续使用上次的资源 |
| 305 | 使用代理 | 请求者应该使用代理访问该网页 |
| 307 | 临时重定向 | 请求的资源临时从其他位置l响应 |
| 400 | 错误谙求 | 服务器无法解析该请求 |
| 401 | 米授权 | 请求没有进行身份验证或验证未通过 |
| 403 | 禁止访问 | 服务将拒绝此请求 |
| 404 | 未找到 | 服务器找不到请求的网页 |
| 405 | 方法禁用 | 服务器禁用了请求中指定的方法 |
| 406 | 不接受 | 无法使用请求的内容响应请求的网页 |
| 407 | 需要代理搜权 | 请求者需要使用代理授权 |
| 408 | 请求超时 | 服务器请求超时 |
| 409 | 冲突 | 服务器在完成请求时发生冲突 |
| 410 | 已删除 | 请求的资源已永久删除 |
| 411 | 需要有效长度 | 服务器不接受不含有效内容长度标头字段的请求 |
| 412 | 未满足前提条件 | 服务器未满足请求者在请求中设置的其中一个前提条件 |
| 413 | 请求实体过大 | 请求实体过大，超出服务器的处理能力 |
| 414 | 请求 URI 过长 | 请求网址过长，服务器无法处理 |
| 415 | 不支持类型 | 请求格式不被请求页面支持 |
| 416 | 请求范围不符 | 页面无法提供请求的范围 |
| 417 | 未满足期望值 | 服务器未满足期望请求标头字段的要求 |
| 500 | 服务器内部错误 | 服务器遇到到错误，无法完成请求 |
| 501 | 未实现 | 服务器不具备完成请求的功能 |
| 502 | 错误网关 | 服务器作为网关或代理， 从上游服务然收到元效响应 |
| 503 | 服务不可用 | 服务器目前无法使用 |
| 504 | 网关超时 | 服务器作为网关或代理，但是没有及时从上游服务器收到请求 |
| 505 | HTTP 版本不支持 | 服务器不支持请求中所用的 HTTP 协议版本 |
（2）响应头
常见响应头不信息
| 名称 | 描述 |
|---|---|
| Date | 标识响应产生的时间 |
| Last_Modified | 指定资源的最后修改时间 |
| Content_Encoding | 指定响应内容的编码 |
| Server | 包含服务器的信息，比如名称、版本号等 |
| Content_Type | 文档类型，指定返回的数据类型是什么 |
| Set_Cookie | 设置 Cookies ， 响应头中的 Set- Cooki e 告诉浏览器需要将此内容放在 Cookies中 下次请求携带 Cookies 请求。 |
| Expires | 指定响应的过期时间， 可以使代理服务器或浏览器将加载的内容更新到缓存巾。 如果再次访问时，就可以直接从缓存中加载， 降低服务器负载，缩短加载时间。 |
（3）响应体
响应的正文数据都在响应体中，比如请求网页时，它的响应体就是网页的 HTML 代码； 请求一张图片时， 它的响应体就是图片的二进制数据。
参考来源 ：Python 3网络爬虫开发实战 [ 崔庆才著 ]