更新了爬虫第1天的文档

Author: jackfrued

Day66-75/01.网络爬虫和相关工具.md

@@ -89,7 +89,17 @@ Disallow:  /
 
 #### HTTP协议
 
+在开始讲解爬虫之前，我们稍微对HTTP（超文本传输协议）做一些回顾，因为我们在网页上看到的内容通常是浏览器执行HTML语言得到的结果，而HTTP就是传输HTML数据的协议。HTTP是构建于TCP（传输控制协议）之上应用级协议，它利用了TCP提供的可靠的传输服务实现了Web应用中的数据交换。按照维基百科上的介绍，设计HTTP最初的目的是为了提供一种发布和接收[HTML](https://zh.wikipedia.org/wiki/HTML)页面的方法，也就是说这个协议是浏览器和Web服务器之间传输的数据的载体。关于这个协议的详细信息以及目前的发展状况，大家可以阅读阮一峰老师的[《HTTP 协议入门》](http://www.ruanyifeng.com/blog/2016/08/http.html)、[《互联网协议入门》](http://www.ruanyifeng.com/blog/2012/05/internet_protocol_suite_part_i.html)系列以及[《图解HTTPS协议》](http://www.ruanyifeng.com/blog/2014/09/illustration-ssl.html)进行了解，下图是我在2009年9月10日凌晨4点在四川省网络通信技术重点实验室用开源协议分析工具Ethereal（抓包工具WireShark的前身）截取的访问百度首页时的HTTP请求和响应的报文（协议数据），由于Ethereal截取的是经过网络适配器的数据，因此可以清晰的看到从物理链路层到应用层的协议数据。
 
+HTTP请求（请求行+请求头+空行+[消息体]）：
+
+![](/Users/Hao/Desktop/Python-100-Days/Day41-55/res/http-request.png)
+
+HTTP响应（响应行+响应头+空行+消息体）：
+
+![](/Users/Hao/Desktop/Python-100-Days/Day41-55/res/http-response.png)
+
+> 说明：但愿这两张如同泛黄的照片般的截图帮助你大概的了解到HTTP是一个怎样的协议。 
 
 #### 相关工具
 
@@ -148,6 +158,19 @@ Disallow:  /
 
 6. robotparser：解析robots.txt的工具
 
+   ```Python
+   >>> from urllib import robotparser
+   >>> parser = robotparser.RobotFileParser()
+   >>> parser.set_url('https://www.taobao.com/robots.txt')
+   >>> parser.read()
+   >>> parser.can_fetch('Hellokitty', 'http://www.taobao.com/article')
+   False
+   >>> parser.can_fetch('Baiduspider', 'http://www.taobao.com/article')
+   True
+   >>> parser.can_fetch('Baiduspider', 'http://www.taobao.com/product')
+   False
+   ```
+
 ### 一个简单的爬虫
 
 构造一个爬虫一般分为数据采集、数据处理和数据存储三个部分的内容。