爬虫(2) | 了解HTTP协议
1.什么是http协议？
http协议是一个超文本传输协议
http协议是一个约束发布和接受html页面的规范
2.端口号
http协议端口号：80
https协议的端口号：443
3.http协议的特点
http协议是一个应用层协议
http协议是无状态、无连接的。
每次请求都是独立的。
客户端每次请求都不能记录请求状态，请求与请求之间相互独立，不能通信（cookie和session可以解决通信问题）。
4.url：统一资源定位符
格式：
<协议>://<IP地址>:<端口号>/<路径>?<参数1=值>&<参数2=值>例如：http://baidu.com/video/?keyword=美女
为啥可以通过url定位互联网上的任意资源？
端口号：端口号—用来从互联网进入电脑
路径：就是为了在电脑中找到对应的资源路径
三种特殊符号
符号？：问号后面就是请求参数
符号& ：请求参数用&连接，例如：?name=zhangsan&age=12
符号# ：锚点，锚点就是在请求这个url时，页面会跳入的指定位置
5.http工作过程
port：服务器的端口(如果是走协议默认端口，缺省端口80)
path：访问资源的路径
query-string：参数，发送给http服务器的数据anchor：锚(跳转到网页的指定锚点位置)
（2）封装http请求数据包
（3）封装成TCP包，建立TCP连接（TCP的三次握手）
第一次握手：建立连接时,客户端发送syn包(syn=j)到服务器,并进入SYN_SEND状态,等待服务器确认；SYN：同步序列编号(Synchronize Sequence Numbers)
第二次握手：服务器收到syn包,必须确认客户的SYN（ack=j+1）,同时自己也发送一个SYN包（syn=k）,即SYN+ACK包,此时服务器进入SYN_RECV状态；
第三次握手：客户端收到服务器的SYN＋ACK包,向服务器发送确认包ACK(ack=k+1),此包发送完毕,客户端和服务器进入ESTABLISHED状态,完成三次握手。
完成三次握手,客户端与服务器开始传送数据
（4）客户端发送请求
（5）服务器接收请求，发送响应
（6）服务器关闭tcp连接