网络编程_爬虫

Four_glass

参考爬http的爬虫代码，只要GET + source + HTTP/1.1 +host ，然后接受返回的消息就是网页内容。
现在很多网站都相机改成https的了，我试了还是用爬http的代码爬了一下https的网站，但是得到的是  Your request has bad syntax or is inherently impossible to satisfy.
抓包看了一下，
1、www.zhihu.com
三次握手后(应该是connect之后自带的三次握手之后吧？)，作为访问端发送的还是第一个包还是 GET / HTTP /1.1\r\n和其他的一些内容。但是这里其他的内容有：Host,Connection,Accept,Upgrade-Insecure-Requests,User-Agent,Referer,Accept-Encoding,Accept-Language,Cookie,udid,_zap,d_c0,l_cap_id(抓的是访问知乎首页的包)，服务器返回的是 HTTP/1.1 302 Found 和一些参数包括cookie之类的东西.
然后客户端和服务器互相发了两次TCP包（是不是也是tcp/ip帮我们已经实现的保持通联的或者确认的包？），之后就是client hello 、server hello

2、www.taobao.com
三次握手之后，直接就是 client hello和server hello

问题：
1、访问https网站到底需不需要先GET。如果需要的话，像访问知乎中Cookie,udid,_zap,d_c0,l_cap_id等参数是怎么确定的？（因为我直接用GET + source + HTTP/1.1 +host，返回的是 Your request has bad syntax or is inherently impossible to satisfy）

小鱼儿

HTTPS 增加一层安全层，用来数据加密。真正的http是加密后的，所以跟HTTP 协议根本没有关系，你还是先看一下HTTPS 一些基本的知识。