上一期我们讲解了数据标准化的内容。首先，我们对单词的出现频率进行排序，然后将一些大小写字母进行转换，以减少2-gram序列的重复。.当我们真正踏入网络数据采集的基础时，遇到的第一个问题可能是：“如何获取登录窗口后面的信息？”如今，网络正朝着页面交互、社交媒体、用户生成内容的趋势不断演变。表单和登录窗口是许多网站不可或缺的一部分。不过，这些内容还是比较容易处理的。至此，在前面的例子中，网络爬虫在与大多数网站的服务器进行交互时，都是使用HTTP协议的GET方法来请求信息的。在本文中，我们重点介绍POST方法，该方法将信息推送到Web服务器以供存储和分析。一个页面表单基本上可以看作是用户提交POST请求的一种方式，但是这种请求方式是可以被服务器理解和使用的。就像网站的URL连接如何帮助用户发出GET请求一样，HTML表单帮助用户发出POST请求。当然，我们也可以稍微麻点自己创建这些请求，然后通过网络爬虫提交给服务器。PythonRequests库可以用Python标准库来控制Web表单，但有时一点点语法糖可以让生活变得更甜蜜。但是当你想要做的不仅仅是urllib可以做的基本GET请求时，你可以看看Python标准库之外的第三方库。Requests库就是这样一个Python第三方库，擅长处理复杂的HTTP请求、cookies、headers（响应头和请求头）等，下面是Requests的创始人KennethRetiz对Python标准的看法库工具：Python标准库urllib2为您提供了大部分HTTP功能，但它的API非常差。这是因为它是经过多年逐步建立起来的，不同的时期要面对不同的网络环境。所以为了完成最简单的任务，他需要花费大量的工作（甚至是写出整个方法）。
事情不应该这么复杂，更不用说在Python中了。与任何第三方Python库一样，Requests库也可以使用其他第三方Python库管理器（例如pip）或直接下载Requests库源代码来安装。提交基本表单大多数Web表单由一些HTML字段、一个提交按钮和一个“执行结果”（表单操作的值）页面组成，该页面在处理完表单后重定向。虽然这些HTML字段通常由文本内容组成，但也可以实现文件上传或其他非文本内容。由于大多数主流网站都会在其robots.txt文件中注明不允许爬虫访问登录表单，相关介绍可参考这篇文章：爬虫系列：爬虫带来的道德风险与法律责任。例如下面是一个表单的源码：
