Http协议状态码

怼烎@ 2023-06-27 03:14 6阅读 0赞

# 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，如 200 代表服务器正常响应，404 代表页面未找到，500 代表服务器内部发生错误。在爬虫中，我们可以根据状态码来判断服务器响应状态，如状态码为 200，则证明成功返回数据，再进行进一步的处理，否则直接忽略。表 2-3 列出了常见的错误代码及错误原因。

表 2-3 常见的错误代码及错误原因

<table> 
 <tbody> 
 <tr> 
 <td> 状态码 </td> 
 <td> 说　　明 </td> 
 <td> 详　　情 </td> 
 </tr> 
 <tr> 
 <td> 100 </td> 
 <td> 继续 </td> 
 <td> 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 </td> 
 </tr> 
 <tr> 
 <td> 101 </td> 
 <td> 切换协议 </td> 
 <td> 请求者已要求服务器切换协议，服务器已确认并准备切换 </td> 
 </tr> 
 <tr> 
 <td> 200 </td> 
 <td> 成功 </td> 
 <td> 服务器已成功处理了请求 </td> 
 </tr> 
 <tr> 
 <td> 201 </td> 
 <td> 已创建 </td> 
 <td> 请求成功并且服务器创建了新的资源 </td> 
 </tr> 
 <tr> 
 <td> 202 </td> 
 <td> 已接受 </td> 
 <td> 服务器已接受请求，但尚未处理 </td> 
 </tr> 
 <tr> 
 <td> 203 </td> 
 <td> 非授权信息 </td> 
 <td> 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 </td> 
 </tr> 
 <tr> 
 <td> 204 </td> 
 <td> 无内容 </td> 
 <td> 服务器成功处理了请求，但没有返回任何内容 </td> 
 </tr> 
 <tr> 
 <td> 205 </td> 
 <td> 重置内容 </td> 
 <td> 服务器成功处理了请求，内容被重置 </td> 
 </tr> 
 <tr> 
 <td> 206 </td> 
 <td> 部分内容 </td> 
 <td> 服务器成功处理了部分请求 </td> 
 </tr> 
 <tr> 
 <td> 300 </td> 
 <td> 多种选择 </td> 
 <td> 针对请求，服务器可执行多种操作 </td> 
 </tr> 
 <tr> 
 <td> 301 </td> 
 <td> 永久移动 </td> 
 <td> 请求的网页已永久移动到新位置，即永久重定向 </td> 
 </tr> 
 <tr> 
 <td> 302 </td> 
 <td> 临时移动 </td> 
 <td> 请求的网页暂时跳转到其他页面，即暂时重定向 </td> 
 </tr> 
 <tr> 
 <td> 303 </td> 
 <td> 查看其他位置 </td> 
 <td> 如果原来的请求是 POST，重定向目标文档应该通过 GET 提取 </td> 
 </tr> 
 <tr> 
 <td> 304 </td> 
 <td> 未修改 </td> 
 <td> 此次请求返回的网页未修改，继续使用上次的资源 </td> 
 </tr> 
 <tr> 
 <td> 305 </td> 
 <td> 使用代理 </td> 
 <td> 请求者应该使用代理访问该网页 </td> 
 </tr> 
 <tr> 
 <td> 307 </td> 
 <td> 临时重定向 </td> 
 <td> 请求的资源临时从其他位置响应 </td> 
 </tr> 
 <tr> 
 <td> 400 </td> 
 <td> 错误请求 </td> 
 <td> 服务器无法解析该请求 </td> 
 </tr> 
 <tr> 
 <td> 401 </td> 
 <td> 未授权 </td> 
 <td> 请求没有进行身份验证或验证未通过 </td> 
 </tr> 
 <tr> 
 <td> 403 </td> 
 <td> 禁止访问 </td> 
 <td> 服务器拒绝此请求 </td> 
 </tr> 
 <tr> 
 <td> 404 </td> 
 <td> 未找到 </td> 
 <td> 服务器找不到请求的网页 </td> 
 </tr> 
 <tr> 
 <td> 405 </td> 
 <td> 方法禁用 </td> 
 <td> 服务器禁用了请求中指定的方法 </td> 
 </tr> 
 <tr> 
 <td> 406 </td> 
 <td> 不接受 </td> 
 <td> 无法使用请求的内容响应请求的网页 </td> 
 </tr> 
 <tr> 
 <td> 407 </td> 
 <td> 需要代理授权 </td> 
 <td> 请求者需要使用代理授权 </td> 
 </tr> 
 <tr> 
 <td> 408 </td> 
 <td> 请求超时 </td> 
 <td> 服务器请求超时 </td> 
 </tr> 
 <tr> 
 <td> 409 </td> 
 <td> 冲突 </td> 
 <td> 服务器在完成请求时发生冲突 </td> 
 </tr> 
 <tr> 
 <td> 410 </td> 
 <td> 已删除 </td> 
 <td> 请求的资源已永久删除 </td> 
 </tr> 
 <tr> 
 <td> 411 </td> 
 <td> 需要有效长度 </td> 
 <td> 服务器不接受不含有效内容长度标头字段的请求 </td> 
 </tr> 
 <tr> 
 <td> 412 </td> 
 <td> 未满足前提条件 </td> 
 <td> 服务器未满足请求者在请求中设置的其中一个前提条件 </td> 
 </tr> 
 <tr> 
 <td> 413 </td> 
 <td> 请求实体过大 </td> 
 <td> 请求实体过大，超出服务器的处理能力 </td> 
 </tr> 
 <tr> 
 <td> 414 </td> 
 <td> 请求 URI 过长 </td> 
 <td> 请求网址过长，服务器无法处理 </td> 
 </tr> 
 <tr> 
 <td> 415 </td> 
 <td> 不支持类型 </td> 
 <td> 请求格式不被请求页面支持 </td> 
 </tr> 
 <tr> 
 <td> 416 </td> 
 <td> 请求范围不符 </td> 
 <td> 页面无法提供请求的范围 </td> 
 </tr> 
 <tr> 
 <td> 417 </td> 
 <td> 未满足期望值 </td> 
 <td> 服务器未满足期望请求标头字段的要求 </td> 
 </tr> 
 <tr> 
 <td> 500 </td> 
 <td> 服务器内部错误 </td> 
 <td> 服务器遇到错误，无法完成请求 </td> 
 </tr> 
 <tr> 
 <td> 501 </td> 
 <td> 未实现 </td> 
 <td> 服务器不具备完成请求的功能 </td> 
 </tr> 
 <tr> 
 <td> 502 </td> 
 <td> 错误网关 </td> 
 <td> 服务器作为网关或代理，从上游服务器收到无效响应 </td> 
 </tr> 
 <tr> 
 <td> 503 </td> 
 <td> 服务不可用 </td> 
 <td> 服务器目前无法使用 </td> 
 </tr> 
 <tr> 
 <td> 504 </td> 
 <td> 网关超时 </td> 
 <td> 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 </td> 
 </tr> 
 <tr> 
 <td> 505 </td> 
 <td> HTTP 版本不支持 </td> 
 <td> 服务器不支持请求中所用的 HTTP 协议版本 </td> 
 </tr> 
 </tbody> 
</table>

# #

### 2. 响应头 ###

响应头包含了服务器对请求的应答信息，如 Content-Type、Server、Set-Cookie 等。下面简要说明一些常用的头信息。

*  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，如 text/html 代表返回 HTML 文档，application/x-javascript 则代表返回 JavaScript 文件，image/jpeg 则代表返回图片。
 *  Set-Cookie：设置 Cookies。响应头中的 Set-Cookie 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中。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 ###

最重要的当属响应体的内容了。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。我们做爬虫请求网页后，要解析的内容就是响应体。

在浏览器开发者工具中点击 Preview，就可以看到网页的源代码，也就是响应体的内容，它是解析的目标。

在做爬虫时，我们主要通过响应体得到网页的源代码、JSON 数据等，然后从中做相应内容的提取。

本节中，我们了解了 HTTP 的基本原理，大概了解了访问网页时背后的请求和响应过程。本节涉及的知识点需要好好掌握，后面分析网页请求时会经常用到。