一、环境
IDLE,Subline Text,PyCharm，Anaconda & Spyder。
二、requests库
1.安装
cmd:pip install requests
2.七方法
requests.request(method, url , **kwarge) 构造请求支撑以下各种方法的基础方法，method :get post head put patch delete options；
requests.get（url，params=None,**kwargs） 获取HTML网页的主要方法，对应与http的get；
requests.head（url,**kwargs） 获取HTML网页头信息的方法，对应与http的head；
requests.post（url,data=None,json=None,**kwargs） 向HTML网页提交post请求的方法，对应与http的post；
requests.put（url,data=None,**kwargs） 向HTML网页提交put请求的方法，对应与http的put；
requests.patch（url,data=None,**kwargs） 向HTML网页提交局部修改请求，对应与http的patch；
requests.delete（url,data=None,**kwargs） 向HTML网页提交删除请求，对应与http的delete
；
3.http对requests库方法的变动：1.post 请求向url位置后的资源附加新的数据 2.put 请求向url的位置加入一个新的资源，并覆盖原来的url资源
4.requests.get(url,params=None,**kwargs) params:url中的额外参数，字典或者字节流格式 **kwargs：12个控制访问的参数
5.最重要的两个对象：request，response
6.response对象的属性
r.status_code http请求的返回状态 200表成功 404表失败；
r.text http响应内容的字符串形式；
r.encoding 从http header中猜测的相应内容编码方式；
r.apparent_encoding 从内容中分析出的响应内容编码方式（备选编码方式）；
r.content http响应内容的二进制形式；
7.Requests库返回的几种异常
requests.HTTPError HTTP错误异常；
requests.URL.Required URL缺失异常；
requests.ConnectionError 网络连接错误异常如：dns查询失败，拒绝连接等等；
requests.TooManyRedireets 超过最大重定向次数 产生重定向异常；
requests.ConnectTimout 连接远程服务器超时异常；
requests.Timeout 请求URL超时，产生超时异常；
8.r.raise_for_status() 如果不是200，产生异常requests.HTTPError 能判断response对象的状态是不是200
9.**kwargs 可选的参数
params=字典或字节序列 作为参数加到url中，并让服务器应答的时候和url一起答复；
json=json格式的数据作为request的内容；
headers 定制访问的url的http头 可用来模拟不同的浏览器；
data=字典或字节序列或文件对象 作为request的内容；
cookies：字典或cookieJaar，request中的cookie；
auth：元组，支持http认证功能；
files：字典类型，传输文件；
timeout 设定超时时间，秒为单位；
proxies字典类型，设定访问代理费服务器，可以增加登陆认证
10.网络爬虫的尺寸
爬网页：小规模，数据量小，爬取速度不敏感，常用request库
爬网站：中规模，数据量较大，速度敏感，scrapy库
爬全网：大规模，搜索引擎，速度关键，定制开发。
11.爬虫危害：骚扰问题，法律风险，隐私泄露
12.爬虫的限制
开源审查：判断user-Agent进行限制，检查来访http协议头的User-Agent域，只响应相应浏览器或友好爬虫的访问；
发布公告：Robots协议 告知所有爬虫网站的爬取策略，要求爬虫遵守，Robots协议（Robots Exclusion Standard 网络爬虫排除标准） 作用：网站告知网络爬虫哪些页面可以抓取哪些不行 形式：在网站根目录下的robots.tet文件。非强制性
