一、爬虫的三个步骤（要学习的内容）
1、获取网页内容 （HTTP请求、Requests库）
2、解析网页内容 （HTML网页结构、Beautiful Soup库）
3、存储或分析数据
b站学习链接：
二、HTTP
1、什么是HTTP？
http: Hypertext Transfer Protocol（超文本传输协议）
客户端和服务器之间的请求-响应协议
eg: 浏览器可看作一个服务端，在浏览器中输入网址，
浏览器就会向运行该网站的服务器发送请求，
然后等待服务器返回给浏览器响应
2、HTTP的两种请求方法
1、GET（获得数据）
大部分用get
2、POST（创建数据）
3、HTTP请求的组成结构
（1）请求行：
POST / user / info ? new_user=true HTTP / 1.1
方法类型 资源路径?查询参数 HTTP的协议版本
资源路径：指明要访问服务器的哪个资源
查询参数：写在？后面，传递给服务器额外的信息，不同信息之间用&分隔
eg: www.douban.com / movie /top250 ？start=75&filter=unwatched
主机域名 （+资源路径）（+查询参数）== 网址
（2）请求头：
Host: www.douban.com 主机域名
User-Agent: curl /7.77.0 用来告知服务器客户端的相关信息
请求是什么东西发出来的，以及这个东西的版本
eg: curl / 7.77.0（curl命令行工具发出的)
python-requests / 2.25.1 （python的requests库发出的）
Accept: */* 告诉服务器，客户端想接收的响应数据的类型
eg: 接受HTML：text / html
接受HTML和JOSN：text / html, application / json （多种类型用逗号分隔开）
接受任意类型：*/*
（3）请求体：客户端传给服务器的其他任意数据
（GET的请求体一般是空的）
{"username":"西瓜大侠",
简言之，HTTP请求由三部分组成：
请求行：用什么方法查询什么资源 + HTTP的版本
请求头：主机域名 + 客户端是什么及其版本 + 客户端想接受的响应类型
（where who what 服务器在哪儿 客户端是谁 客户端想要什么)
请求体：客户端的其他数据
4、HTTP响应的组成结构
（1）状态行：
HTTP / 1.1 200 OK
协议版本 状态码 状态消息
状态码和状态消息相对应：
2开头：表示请求成功
3开头：表示重定向，需要进一步的操作
4开头：表示客户端错误（请求不能被理解、请求未授权或404请求的资源不存在...）
5开头：表示服务器错误（出现问题或正在维护）
（2）响应头：包含一些告知客户端的信息
Date: Fri, 27 Jan 2023 02:10:48 GMT 生成相应的日期和时间
Content-Type: text/html; charset=utf-8 返回内容的类型及编码格式
（3）响应体：服务器想给客户端的数据内容
