PAGE8
PAGE8
PAGE7
PAGE7
课题
第2章爬虫基础
课时
6课时（270min）
教学目标
知识目标：
（1） 理解HTTP的基本原理
（2）了解urllib库的使用方法
（3）掌握requests库的使用方法
（4）了解Python中的字符编码
能力目标：
能使用urllib库和requests库构造HTTP请求实现网页的爬取
素质目标：
具备持续学习的能力，能够跟踪爬虫技术的最新发展动态
教学重难点
教学重点：HTTP的基本原理，urllib库的使用方法，requests库的使用方法，Python中的字符编码
教学难点：使用urllib库和requests库构造HTTP请求实现网页的爬取
教学方法
案例分析法、问答法、讨论法、讲授法
教学用具
电脑、投影仪、多媒体课件、教材
教学过程
主要教学内容及步骤
考勤
【教师】使用APP进行签到
【学生】班干部报请假人员及原因
问题导入
【教师】提出以下问题：
爬取网页的第一步是什么？
【学生】聆听、思考、举手回答
传授新知
【教师】通过学生的回答引入要讲的知识，介绍HTTP基本原理，urllib库，requests库，以及字符编码的相关知识
2.1HTTP基本原理
?【教师】播放“HTTP基本原理”视频（详见教材），并提出以下问题：
HTTP的基本原理是什么？
?【学生】观看、思考、举手回答
?【教师】总结学生回答
在浏览器中输入一个URL，按回车键后便会在浏览器中显示网页内容。实际上，这个过程是浏览器向Web服务器发送了一个HTTP请求；Web服务器接收到这个请求后进行解析和处理，然后返回给浏览器对应的HTTP响应；浏览器再对HTTP响应进行解析，从而将网页呈现了出来。下面以使用GoogleChrome浏览器打开百度的搜索页面为例来展示HTTP请求和响应的过程。
……（详见教材）
2.1.1HTTP请求
HTTP请求可以分为四部分内容：请求的网址（RequestURL）、请求方法（RequestMethod）、请求头（RequestHeaders）和请求体（RequestBody）。
1．请求的网址
请求的网址即URL，它可以唯一确定请求的资源。图中的“RequestURL”
2．请求方法
常见的请求方法有两种：GET方法和POST方法。
（1）GET方法，请求指定的网页信息，并返回网页内容，提交的数据最多只有1024字节。
（2）POST方法，向指定资源提交数据并进行请求处理（如提交表单或上传文件）。数据都包含在请求体中，提交的数据没有字节限制。
……（详见教材）
3．请求头
请求头是请求的重要组成部分，在编写爬虫程序时，大部分情况下都需要设定请求头。不同请求的请求头包含的内容不同，应用时应根据实际需求设定。图中的“RequestHeaders”部分即为请求头。
?【教师】利用多媒体展示“常见的请求头及其说明”表格（详见教材），并进行讲解
常见的请求头及其说明如表所示。
?【教师】利用多媒体展示“Content-Type和POST提交数据方式的关系”表格（详见教材），并进行讲解
其中，“Content-Type”确定了POST请求提交数据的方式，如表所示。
4．请求体
?【教师】利用多媒体展示“POST请求中的请求体”图片（详见教材），并进行讲解
请求体中的内容一般是POST请求中的表单数据，而GET请求的请求体为空。例如，使用账户登录百度网站可看到POST请求中的请求体（“FormData”部分），如图所示。
2.1.2HTTP响应
HTTP响应可以分为三部分内容：响应状态码（ResponseStatusCode）、响应头（ResponseHeaders）和响应体（ResponseBody）。
1．响应状态码
?【教师】利用多媒体展示“常见的响应状态码”表格（详见教材），并进行讲解
响应状态码表示服务器的响应状态，常见的响应状态码如表所示。
图中的“StatusCode”部分即为响应状态码（200OK）。在爬取网页时，爬虫程序可以根据状态码判断服务器的响应状态，如果状态码为200，则表明返回数据成功，可以进行下一步的处理。
2．响应头
?【教师】利用多媒体展示“常见的响应头及其说明”表格（详见教材），并进行讲解
响应头包含了服务器对请求的应答信息，图中的“ResponseHeaders”部分即为响应头。常见的响应头及其说明如表所示。
3．响应体
?【教师】利用多媒体展示“响应体”图片（详见教材），并进行讲解
响应体包含响应的正文数据。例如，请求网页时，响应体是网页的网页源代码；请求图片时，响应体是图片的二进制数据。在图中选择“Response”选项，可显示响应体，如图所示。
2.