大数据，成就未来大数据，成就未来网页前端基础2024/9/23 2大数据挖掘专家1认识HTTP协议目目录认识Python网络编程2小结3 3大数据挖掘专家网络上的两个程序通过一个双向的通信连接实现数据的交换，这个连接的一端称为一个socket。套接字是socket的通常叫法，用于描述IP地址和端口，是一个通信链的句柄，可以用来实现不同虚拟机或不同计算机之间的通信。Python中Socket库为操作系统的socket实现提供了一个Python接口。Python网网络编程程Socket库套接字（socket） 4大数据挖掘专家socket库中整合了多种协议类型。Python网网络编程程Socket库1.socket协议类型socket协议类型描述socket.AF_UNIX用于同一台机器上的进程通信（本地通信）socket.AF_INET用于服务器与服务器之间的网络通信socket.AF_INET6基于IPV6方式的服务器与服务器之间的网络通信socket.SOCK_STREAM基于TCP的流式socket通信socket.SOCK_DGRAM基于UDP的数据报式socket通信socket.SOCK_RAW原始套接字，普通的套接字无法处理ICMP、IGMP等网络报文，而SOCK_RAW可以；其次SOCK_RAW也可以处理特殊的IPV4报文；此外，利用原始套接字，可以通过IP_HDRINCL套接字选项由用户构造IP头socket.SOCK_SEQPACKET可靠的连续数据包服务 5大数据挖掘专家服务器端Socket函数：socket库中的服务器端函数仅供服务器使用。Python网网络编程程Socket库2.socket函数语法格式描述socket.bind(address)将套接字绑定到地址，在AF_INET协议下，以tuple(host,port)的方式传入，如socket.bind(host,port)，其中host为绑定的地址，port为监听的端口socket.listen(backlog)开始监听TCP传入连接，backlog指定在拒绝链接前，操作系统可以挂起的最大连接数，该值最少为1，大部分应用程序通常设为5socket.accept()接受TCP链接并返回（conn,address），其中conn是新的套接字对象，可以用来接收和发送数据，address是链接客户端的地址 6大数据挖掘专家客户端Socket函数：socket库中的客户端函数仅供客户端使用。Python网网络编程程Socket库2.socket函数语法格式描述socket.connect(address)连 接 到 address处 的 套 接 字 ， 一 般 address的 格 式 为tuple(host,port)，若连接出错，则返回socket.error错误socket.connect_ex(address)功能与socket.connect相同，但成功返回0，失败返回error的值 7大数据挖掘专家公共Socket函数：socket库中的公共函数即可在服务器端使用也可在客户端使用，为通用函数。Python网网络编程程Socket库2.socket函数语法格式描述socket.recv(buffsize,flag)接受TCP套接字的数据，数据以字符串形式返回，buffsize指定要接受的最大数据量，flag提供有关消息的其他信息，通常可以忽略socket.send(string,flag)发送TCP数据，将字符串中的数据发送到链接的套接字，返回值是要发送的字节数量，该数量可能小于string的字节大小socket.sendall(string,flag)完整发送TCP数据，将字符串中的数据发送到链接的套接字，但在返回之前尝试发送所有数据。成功返回None，失败则抛出异常socket.recvfrom(bufsize,flag)接 受 UDP套 接 字 的 数 据 ， 与 recv函 数 类 似 ， 但 返 回 值 是tuple(data,address)。其中data是包含接受数据的字符串，address是发送数据的套接字地址socket.sendto(string,flag,address)发 送 UDP数 据 ， 将 数 据 发 送 到 套 接 字 ， address形 式 为tuple(ipaddr,port)，指定远程地址发送，返回值是发送的字节数socket.close()关闭套接字 8大数据挖掘专家公共Socket函数：socket库中的公共函数即可在服务器端使用也可在客户端使用，为通用函数。Python网网络编程程Socket库2.socket函数语法格式描述socket.getpeername()返回套接字的远程地址，返回值通常是一个tuple(ipaddr,port)socket.getsockname()返回套接字自己的地址，返回值通常是一个tuple(ipaddr,port)socket.setsockopt(level,optname,value)设置给定套接字选项的值socket.getsockopt(level,optname,buflen)返回套接字选项的值 9大数据挖掘专家公共Socket函数：socket库中的公共函数即可在服务器端使用也可在客户端使用，为通用函数。Python网网络编程程Socket库2.socket函数语法格式描述socket.settimeout(timeout)设置套接字操作的超时时间，timeout是一个浮点数，单位是秒，值为None时表示永远不会超时。超时时间应在刚创建套接字时设置，因为它们可能用于连接的操作，如s.connect()socket.gettimeout()返回当前超时值，单位是秒，如果没有设置超时则返回Nonesocket.fileno()返回套接字的文件描述socket.makefile()创建一个与该套接字相关的文件 10大数据挖掘专家TCP连接由客户端发起，服务器对连接进行响应。建立一个服务器，服务器进程需要绑定一个端口并监听来自其他客户端的连接。若有客户端发起连接请求，服务器就与该客户端建立Socket连接，随后的通信就通过此Socket连接进行。服务器依赖服务器地址，服务器端口，客户端地址，客户端端口这4项来唯一确定一个Socket连接。使用使用Socket进行行TCP编程程 11大数据挖掘专家建立服务器端的TCP连接，具体步骤如下。在Python中创建一个基于IPv4和TCP协议的Socket。绑定监听的地址和端口，地址使用本机地址“127.0.0.1”或“localhost”，使用大于1024的端口。调用listen方法开始监听端口，传入的参数指定等待连接的最大数量，设定为5。创建一个tcp函数，该函数在连接建立后，服务器端首先发出一条表示连接成功的消息，然后等待客户端数据，再加上欢迎信息发送给客户端。若客户端发送exit字符串，则直接关闭连接。通过一个循环接受来自客户端的连接，使用accept函数等待并返回一个客户端的连接，每个连接都分配一个新线程来处理。使用使用Socket进行行TCP编程程1.服务器端TCP连接 12大数据挖掘专家在服务器端TCP连接建立后，建立客户端TCP连接进行测试，具体步骤如下。与服务器端的协议保持一致，也建立一个基于IPv4和TCP协议的Socket。与服务器端建立连接，连接的地址与端口需与服务器端保持一致。使用recv函数接受服务器提示信息，之后再使用send函数发送数据至服务器，可看到服务器返回的结果。使用使用Socket进行行TCP编程程2.客户端TCP连接 13大数据挖掘专家TCP建立的连接可靠，通信双方以流的形式互相传送数据。相对TCP协议，UDP则是面向无连接的协议。使用UDP协议时，无需建立连接的过程，仅需知道对方的IP地址及端口号，便可直接发送数据包，但无法保证能顺利传达到。虽然用UDP传输数据不可靠，但其传输速度比TCP快，对于不要求可靠到达的数据，就可以使用UDP协议。UDP传输通常应用在通讯实时性要求更高于可靠性场景，例如网络游戏。使用使用Socket进行行UDP编程程 14大数据挖掘专家UDP连接与TCP连接类似，也分为服务器端和客户端，不同的是UDP连接无需调用listen方法，直接接受来自任何客户端的数据。建立UDP连接，服务器端同样需要绑定地址与端口。使用recvfrom方法返回数据及客户端的地址与端口。当服务器收到数据后，直接调用sendto把数据用UDP发给客户端。使用使用Socket进行行UDP编程程1.服务器端UDP连接 15大数据挖掘专家客户端使用UDP连接时同样需要先创建socket。之后无需使用connect方法，直接用sendto方法发送数据至服务器建立UDP连接，服务器端同样需要绑定地址与端口。UDP连接与TCP连接可同时使用同一端口互不冲突，两者使用的端口是独立绑定的。使用使用Socket进行行UDP编程程2.客户端UDP连接 16大数据挖掘专家1认识HTTP协议目目录认识Python网络编程2小结3 17大数据挖掘专家爬虫在爬取数据时将会作为客户端模拟整个HTTP通信过程，该过程也需要通过HTTP协议实现。HTTP请求过程如下。由HTTP客户端向服务器发起一个请求，创建一个到服务器指定端口（默认是80端口）的TCP连接。HTTP服务器从该端口监听客户端的请求。一旦收到请求，服务器会向客户端返回一个状态，比如“HTTP/1.1200OK”，以及返回的响应内容，如请求的文件、错误消息、或其它信息。HTTP请求方式与求方式与过程程 18大数据挖掘专家在HTTP/1.1协议中共定义了8种方法（也叫“动作”）来以不同方式操作指定的资源，常用方法有GET、HEAD、POST等。HTTP请求方式与求方式与过程程1.请求方法请求方法方法描述GET请求指定的页面信息，并返回实体主体。GET可能会被网络爬虫等随意访问，因此GET方法应该只用在读取数据，而不应当被用于产生“副作用”的操作中，例如在WebApplication中HEAD与GET方法一样，都是向服务器发出指定资源的请求。只不过服务器将不传回具体的内容，使用这个方法可以在不必传输全部内容的情况下，就可以获取其中该资源的相关信息（元信息或称元数据）POST向指定资源提交数据，请求服务器进行处理（例如提交表单或者上传文件）。数据会被包含在请求中，这个请求可能会创建新的资源或修改现有资源，或二者皆有PUT从客户端上传指定资源的最新内容，即更新服务器端的指定资源。 19大数据挖掘专家HTTP协议采用了请求响应模型。客户端向服务器发送一个请求报文，请求报文包含请求的方法、URL、协议版本、请求头部和请求数据。服务器以一个状态行作为响应，响应的内容包括协议的版本、响应状态、服务器信息、响应头部和响应数据。HTTP请求方式与求方式与过程程2.请求（request）与响应（response） 20大数据挖掘专家客户端与服务器间的请求与响应的具体步骤如下。连接Web服务器：由一个HTTP客户端发起连接，与Web服务器的HTTP端口（默认为80）建立一个TCP套接字连接。发送HTTP请求：客户端经TCP套接字向Web服务器发送一个文本的请求报文。服务器接受请求并返回HTTP响应：Web服务器解析请求，定位该次的请求资源。之后将资源复本写至TCP套接字，由客户端进行读取。释放连接TCP连接：若连接的connection模式为close，则由服务器主动关闭TCP连接，客户端将被动关闭连接，释放TCP连接；若connection模式为keepalive，则该连接会保持一段时间。客户端解析HTML内容：客户端首先会对状态行进行解析，之后解析每一个响应头，最后读取响应数据。HTTP请求方式与求方式与过程程2.请求（request）与响应（response） 21大数据挖掘专家HTTP状态码是用来表示网页服务器响应状态的3位数字代码，按首位数字分为5类状态码。常常见HTTP状状态码1.HTTP状态码种类状态码类型状态码意义1XX表示请求已被接受，需接后续处理。这类响应是临时响应，只包含状态行和某些可选的响应头信息，并以空行结束2XX表示请求已成功被服务器接收、理解并接受3XX表示需要客户端采取进一步的操作才能完成请求。通常用来重定向，重定向目标需在本次响应中指明4XX表示客户端可能发生了错误，妨碍了服务器的处理。5XX表示服务器在处理请求的过程中有错误或者异常状态发生，也有可能是服务器以当前的软硬件资源无法完成对请求的处理。 22大数据挖掘专家HTTP状态码共有67种状态码，常见的状态码如下。常常见HTTP状状态码2.常见HTTP状态码常见状态码状态码含义200OK请求成功，请求所希望的响应头或数据体将随此响应返回。400BadRequest由于客户端的语法错误、无效的请求或欺骗性路由请求，服务器不会处理该请求403Forbidden服务器已经理解该请求，但是拒绝执行，将在返回的实体内描述拒绝的原因，也可以不描述仅返回404响应404NotFound请求失败，请求所希望得到的资源未被在服务器上发现，但允许用户的后续请求500InternalServerError通用错误消息，服务器遇到了一个未曾预料的状况，导致了它无法完成对请求的处理，不会给出具体错误信息503ServiceUnavailable由于临时的服务器维护或者过载，服务器当前无法处理请求。这个状况是暂时的，并且将在一段时间以后恢复 23大数据挖掘专家HTTP头部信息（HTTPheaderfields）是指在超文本传输协议（HTTP）的请求和响应消息中的消息头部分。头部信息定义了一个超文本传输协议事务中的操作参数。在爬虫中需要使用头部信息向服务器发送模拟信息，通过发送模拟的头部信息将自己伪装成一般的客户端。HTTP头部信息部信息 24大数据挖掘专家HTTP头部类型按用途可分为：通用头，请求头，响应头，实体头。通用头：既适用于客户端的请求头，也适用于服务端的响应头。与HTTP消息体内最终传输的数据是无关的，只适用于要发送的消息。请求头：提供更为精确的描述信息，其对象为所请求的资源或请求本身。新版HTTP增加的请求头不能在更低版本的HTTP中使用，但服务器和客户端若都能对相关头进行处理，则可以在请求中使用。响应头：为响应消息提供了更多信息。例如，关于资源位置的描述Location字段，以及关于服务器本身的描述使用Server字段等。与请求头类似，新版增加的响应头也不能在更低版本的HTTP版本中使用。实体头：提供了关于消息体的描述。如消息体的长度Content-Length，消息体的MIME类型Content-Type。新版的实体头可以在更低版本的HTTP版本中使用。HTTP头部信息部信息1.HTTP头部类型 25大数据挖掘专家HTTP头字段根据实际用途被分为4种类型：通用头字段（GeneralHeaderFields），请求头字段（RequestHeaderFields），响应头字段（ResponseHeaderFields），实体头字段（EntityHeaderFields）。HTTP头部信息部信息2.常用头字段字段名说明示例Accept可 接 受 的 响 应 内 容 类 型 （ Content-Types）Accept:text/plainAccept-Charset可接受的字符集Accept-Charset:utf-8Accept-Encoding可接受的响应内容的编码方式Accept-Encoding:gzip,deflateAccept-Language可接受的响应内容语言列表Accept-Language:en-USCookie由之前服务器通过Set-Cookie设置的一个HTTP协议CookieCookie:$Version=1;Skin=new;Referer设置前一个页面的地址，并且前一个页面中的连接指向当前请求，意思就是如果当前请求是在A页面中发送的，那么referer就是A页面的url地址Referer:http:/zh.wikipedia.org/wiki/Main_PageUser-Agent用户代理的字符串值User-Agent:Mozilla/5.0(X11;Linuxx86_64;rv:12.0)Gecko/20100101Firefox/21.0 26大数据挖掘专家HTTP是一种无状态的协议，客户端与服务器建立连接并传输数据，在数据传输完成后，本次的连接将会关闭，并不会留存相关记录。服务器无法依据连接来跟踪会话，也无法从连接上知晓用户的历史操作。这严重阻碍了基于Web应用程序的交互，也影响用户的交互体验。某些网站需要用户登录才进一步操作，用户在输入账号密码登录后，才能浏览页面。对于服务器而言，由于HTTP的无状态性，服务器并不知道用户有没有登录过，当用户退出当前页面访问其他页面时，又需重新再次输入账号及密码。熟悉熟悉Cookie 27大数据挖掘专家为解决HTTP的无状态性带来的负面作用，Cookie机制应运而生。Cookie本质上是一段文本信息。当客户端请求服务器时，若服务器需要记录用户状态，就在响应用户请求时发送一段Cookie信息。客户端浏览器会保存该Cookie信息，当用户再次访问该网站时，浏览器会把Cookie做为请求信息的一部分提交给服务器。服务器对Cookie进行验证，以此来判断用户状态，当且仅当该Cookie合法且未过期时，用户才可直接登录网站。熟悉熟悉Cookie1.Cookie机制 28大数据挖掘专家Cookie由用户客户端浏览器进行保存，按其存储位置可分为内存式存储和硬盘式存储。内存式存储将Cookie保存在内存中，在浏览器关闭后就会消失，由于其存储时间较短，因此也被称为非持久Cookie或会话Cookie。硬盘式存储将Cookie保存在硬盘中，其不会随浏览器的关闭而消失，除非用户手工清理或到了过期时间。由于硬盘式Cookie存储时间是长期的，因此也被称为持久Cookie。熟悉熟悉Cookie2.Cookie的存储方式 29大数据挖掘专家客户端与服务器间的Cookie实现过程的具体步骤如下。客户端请求服务器：客户端请求网站页面服务器响应请求：Cookie是一种字符串，为key=value形式，服务器需要记录这个客户端请求的状态，在响应头中增加一个Set-Cookie字段。客户端再次请求服务器：客户端会对服务器响应的Set-Cookie头信息进行存储。当再次请求时，将会在请求头中包含服务器响应的Cookie信息。熟悉熟悉Cookie3.Cookie的实现过程 30大数据挖掘专家1认识HTTP协议目目录认识Python网络编程2小结3 31大数据挖掘专家本章介绍了Python中的底层Socket库，及运用socket库建立TCP和UDP连接。并对超文本传输协议（HTTP）及其相关机制进行了简要介绍。对本章做小结如下。Socket库提供多种协议类型和函数，可用于建立TCP和UDP连接。HTTP协议基于TCP协议进行客户端与服务器间的通讯，由客户端发起请求，服务器进行应答。HTTP状态码由3位数字构成，按首位数字可分为5类状态码。HTTP头部信息为HTTP协议的请求与响应消息中的消息头部分，其定义了该次传输事务中的操作参数。Cookie机制可记录用户状态，服务器可依据Cookie对用户状态进行记录与识别。小小结Thankyou!Thankyou!大数据，成就未来大数据，成就未来配套的课程视频、实训资源、实训环境等资源：https:/edu.tipdm.org/course/179