区分网页请求GET or POST
GET，请求指定的页面信息，并返回实体主体。
POST，向指定资源提交数据进行处理请求（例如提交表单或者上传文件）。数据是全部被包含在请求体当中了。
get方法的特点
get是主动缓存的，它具有安全性、幂等性
post方法的特点
当然啦，对于我们爬虫来说，这些概念并不重要，重要的是：
请求不同，信息的传递方式也不同，尤其是cookies。
网页返回状态码
200
正常的网页当然是返回200啦：
非200
也有可能返回一些 不是200的状态码，注意！非200的状态也有可能可以访问，只是大部分非200的状态代表了异常，拒绝了你的访问请求。
| 状态码Status Code | 是否能访问 | 含义 |
| 200 | 可以访问 |
（成功） 服务器已成功处理了请求。 通常，这表示服务器提供了请求的网页。 |
| 202 | 可以访问 |
（已接受） 服务器已接受请求，但尚未处理。 |
| 203 | 可以访问 |
（非授权信息） 服务器已成功处理了请求，但返回的信息可能来自另一来源。 |
| 300 | 无法访问 |
（多种选择） 针对请求，服务器可执行多种操作。 服务器可根据请求者 (user agent) 选择一项操作，或提供操作列表供请求者选择。 |
| 301 | 无法访问 |
（永久移动） 请求的网页已永久移动到新位置。 服务器返回此响应（对 GET 或 HEAD 请求的响应）时，会自动将请求者转到新位置。 |
| 302 | 无法访问 |
（临时移动） 服务器目前从不同位置的网页响应请求，但请求者应继续使用原有位置来进行以后的请求。 |
| 400 | 无法访问 |
（错误请求） 服务器不理解请求的语法。 |
| 401 | 无法访问 |
（未授权） 请求要求身份验证。 对于需要登录的网页，服务器可能返回此响应。 |
| 403 | 无法访问 |
（禁止） 服务器拒绝请求。 |
| 404 | 无法访问 |
（未找到） 服务器找不到请求的网页。 |
| 406 | 无法访问 |
（不接受） 无法使用请求的内容特性响应请求的网页。 |
| 500 | 无法访问 |
（服务器内部错误） 服务器遇到错误，无法完成请求。 |
| 502 | 无法访问 |
（错误网关） 服务器作为网关或代理，从上游服务器收到无效响应。 |
| 503 | 无法访问 |
（服务不可用） 服务器目前无法使用（由于超载或停机维护）。 一般只是暂时状态。 |
当出现401、403这些状态的时候，就去检查你的headers或者cookies吧。
