python 爬虫day01(三) 面试题

面试问题

1、http协议

	1）是一个基于请求与响应的应用层协议，底层协议是TCP保证其可靠传输 

	2）通过url来进行客户端与服务器之间的交互（url的解释：统一资源定位符，用于定位互联网上的资源的位置；格式,   协议://主机名.域名:端口号/路径...?参数1=值1&参数2=值2&....#锚点）

	3）是一种C/S（或者b/s，b/s是一种特殊的c/s）模式的协议，客户端发起请求，服务器接收请求并且处理然后做出响应 

 	4）是一种无状态协议

2、什么是无状态，如何取弥补http无状态的缺陷

http协议有一个特性就是无状态，何为无状态。就是上一次的请求对这次的请求没有任何影响，服务端也不会对客户端上一次的请求进行任何记录处理。

http协议的无状态性带来的问题：用户登录后，切换到其他界面，进行操作，服务器端是无法判断是哪个用户登录的。 每次进行页面跳转的时候，得重新登录。

解决方案
token

3, https协议

HTTPS（Secure Hypertext Transfer Protocol）安全超文本传输协议
HTTPS是一个安全通信通道，基于HTTP开发，用于在客户计算机和服务器之间交换信息
HTTPS使用安全套接字层（SSL）进行信息交换，简单来说它是HTTP的安全办
HTTPS是有Netscape开发并内置于其浏览器中，用于对数据进行压缩和解压操作，并返回网络上传送的结果
HTTPS世界上应用了Netscape的安全套接字层SSL作为HTTP应用层的子层
HTTPS使用端口是443，而不是像HTTP那样使用端口80来和TCP/IP进行通信
SSL使用40位关键字作为RC4流加密算法，这对于商业信息的加密是合适的
HTTPS和SSL支持使用X.509数字认证

4、http和https协议有什么区别，各自有什么优势

相同点
都是采用同一个基础协议作为HTPP或HTTPS客户端—浏览器
设立一个连接到Web服务器指定的端口
服务器接收到请求，会返回一个状态码以及消息
系统使用统一资源定位器URI模式，因此资源可以被唯一指定

不同点
HTTP的URL是以http://开头。HTTPS的URL是以https://开头
HTTP是不安全的，HTTPS是安全的
HTTP是80端口，HTTPS是443端口
在OSI网络模型中，HTTP处于应用层，HTTPS工作在传输层
HTTP无需加密，HTTPS需要加密
HTTP无需证书，HTTPS需要安装证书

总体来说,关键的区别在于https协议多了一层安全套接字

如何选择
加入为了安全保密，将一个网站所有的Web应用都启用SSL技术来加密，并使用HTTPS协议进行传输，那么该网站的性能和效率将会大大降低，而且没有这个必要，因为一般来说并不是所有数据都要求那么搞的安全保密级别，所以，我们只需对哪些设计机密数据的交互处理使用HTTPS协议

5、get请求和post请求的区别

	1）GET的参数拼接在url后面，post的参数不在url中体现而是放在表单中提交 

	2）get请求的有最大提交限制（因为浏览器对url的长度有限制 1k），post没有

	3）服务器接收请求，并且处理请求，然后将处理的结果响应给前端

	4）判断数据是否还有传输，如果没有则通过四次挥手断开TCP链接

6、http常见的状态码？及其含义

    常见的http状态码
    100：继续 客户端应当继续发送请求。客户端应当继续发送请求的剩余部分，或者如果请求已经完成，忽略这个响应。

    101： 转换协议 在发送完这个响应最后的空行后，服务器将会切换到在Upgrade 消息头中定义的那些协议。只有在切换新的协议更有好处的时候才应该采取类似措施。

    102：继续处理 由WebDAV（RFC 2518）扩展的状态码，代表处理将被继续执行。

    200：请求成功 处理方式：获得响应的内容，进行处理

    201：请求完成，结果是创建了新资源。新创建资源的URI可在响应的实体中得到 处理方式：爬虫中不会遇到

    202：请求被接受，但处理尚未完成 处理方式：阻塞等待

    204：服务器端已经实现了请求，但是没有返回新的信 息。如果客户是用户代理，则无须为此更新自身的文档视图。 处理方式：丢弃

    300：该状态码不被HTTP/1.0的应用程序直接使用， 只是作为3XX类型回应的默认解释。存在多个可用的被请求资源。 处理方式：若程序中能够处理，则进行进一步处理，如果程序中不能处理，则丢弃
    301：请求到的资源都会分配一个永久的URL，这样就可以在将来通过该URL来访问此资源 处理方式：重定向到分配的URL

    302：请求到的资源在一个不同的URL处临时保存 处理方式：重定向到临时的URL

    304：请求的资源未更新 处理方式：丢弃，使用本地缓存文件

    400：非法请求 处理方式：丢弃

    401：未授权 处理方式：丢弃

    403：禁止 处理方式：丢弃

    404：没有找到 处理方式：丢弃

    500：服务器内部错误 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。一般来说，这个问题都会在服务器端的源代码出现错误时出现。

    501：服务器无法识别 服务器不支持当前请求所需要的某个功能。当服务器无法识别请求的方法，并且无法支持其对任何资源的请求。

    502：错误网关 作为网关或者代理工作的服务器尝试执行请求时，从上游服务器接收到无效的响应。

    503：服务出错 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。这个状况是临时的，并且将在一段时间以后恢复。