设为首页 加入收藏

TOP

Python爬虫 Cookie的使用(一)
2017-10-09 17:43:15 】 浏览:1523
Tags:Python 爬虫 Cookie 使用

Cookie,指某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的数据(通常经过加密)

比如说有些网站需要登录后才能访问某个页面,在登录之前,你想抓取某个页面内容是不允许的。那么我们可以利用Urllib2库保存我们登录的Cookie,然后再抓取其他页面就达到目的了。

在此之前呢,先介绍一个opener的概念

1.Opener


 

当你获取一个URL你使用一个opener(一个urllib2.OpenerDirector的实例)。在前面,我们都是使用的默认的opener,也就是urlopen。它是一个特殊的opener,可以理解成opener的一个特殊实例,传入的参数仅仅是url,data,timeout。

如果我们需要用到Cookie,只用这个opener是不能达到目的的,所以我们需要创建更一般的opener来实现对Cookie的设置。

2.Cookielib


 

cookielib模块的主要作用是提供可存储cookie的对象,以便于与urllib2模块配合使用来访问Internet资源。Cookielib模块非常强大,我们可以利用本模块的CookieJar类的对象来捕获cookie并在后续连接请求时重新发送,比如可以实现模拟登录功能。该模块主要的对象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。

它们的关系:CookieJar —-派生—->FileCookieJar  —-派生—–>MozillaCookieJar和LWPCookieJar

1)获取Cookie保存到变量

首先,我们先利用CookieJar对象实现获取cookie的功能,存储到变量中,先来感受一下

 1 #coding:UTF8
 2 
 3 import cookielib
 4 import urllib2
 5 
 6 #声明一个CookieJar对象实例来保存cookie
 7 cookie = cookielib.CookieJar() 
 8 #利用HTTPCookieProcessor对象创建cookie处理器
 9 handle = urllib2.HTTPCookieProcessor(cookie)
10 #通过handle来构建opener
11 opener = urllib2.build_opener(handle)
12 #此open方法与urllib2的urlopen方法,可以传入request
13 response = opener.open('http://www.baidu.com')
14 
15 for i in cookie:
16     print 'Name =' +i.name
17     print 'Value = ' + i.value

使用以上方法将cookie保存到变量中,然后打印出了cookie中的值,运行结果如下

 1 Name =BAIDUID
 2 Value = 6E0127B9536DE7EE8A68D8B5AE016CCA:FG=1
 3 Name =BIDUPSID
 4 Value = 6E0127B9536DE7EE8A68D8B5AE016CCA
 5 Name =H_PS_PSSID
 6 Value = 1465_13550_21110_17001_21672_22158
 7 Name =PSTM
 8 Value = 1491037392
 9 Name =BDSVRTM
10 Value = 0
11 Name =BD_HOME
12 Value = 0

2)保存Cookie到文件

在上面的方法中,我们将cookie保存到了cookie这个变量中,如果我们想将cookie保存到文件中该怎么做呢?这时,我们就要用到

FileCookieJar这个对象了,在这里我们使用它的子类MozillaCookieJar来实现Cookie的保存

 1 #coding:UTF8
 2 
 3 import cookielib
 4 import urllib2
 5 
 6 #设置保存cookie文件,在同级目录下
 7 file_name='cookie.txt'
 8 #声明一个CookieJar对象实例来保存cookie
 9 cookie = cookielib.MozillaCookieJar(file_name) 
10 #利用HTTPCookieProcessor对象创建cookie处理器
11 handle = urllib2.HTTPCookieProcessor(cookie)
12 #通过handle来构建opener
13 opener = urllib2.build_opener(handle)
14 #此open方法与urllib2的urlopen方法,可以传入request
15 response = opener.open('http://www.baidu.com')
16 
17 cookie.save(ignore_discard=True,ignore_expires=True)

 

关于最后save方法的两个参数在此说明一下:

官方解释如下:

gnore_discard: save even cookies set to be discarded. 
ignore_expires: save even cookies that have expiredThe file is overwritten if it already exists

由此可见,ignore_discard的意思是即使cookies将被丢弃也将它保存下来,ignore_expires的意思是如果在该文件中cookies已经存在,则覆盖原文件写入,在这里,我们将这两个全部设置为True。运行之后,cookies将被保存到cookie.txt文件中,我们查看一下内容,附图如下

 

 

 3)从文件中获取Cookie并访问

那么我们已经做到把Cookie保存到文件中了,如果以后想使用,可以利用下面的方法来读取cookie并访问网站,感受一下

 1 #coding:UTF8
 2 import urllib2
 3 import cookielib
 4 #创建实例对象
 5 cookie = cookielib.MozillaCookieJar()
 6 #从文件中读取cookie内容到变量
 7 cookie.load('cookie.txt', ignore_discard=True,ignore_expires=True)
 8 #创建请求
 9 request = urllib2.Request('http://www.baidu.com')
10 #利用build_opener方法创建一个opener
11 opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
12 
13 req = opener.open(request)
14 print req.read()

 

设想,如果我们的 cookie.txt 文件中保存的是某个人登录百度的cookie,那么我们提取出这个cookie文件内容,就可以用以上方法模拟这个人的账号登录百度。

 4)利用cookie模拟网站登录

下面以本人博客园为例(账号密码都是假的

首页 上一页 1 2 下一页 尾页 1/2/2
】【打印繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部
上一篇Python正则表达式学习 下一篇【Python笔记】【os】-- 获取设置..

最新文章

热门文章

Hot 文章

Python

C 语言

C++基础

大数据基础

linux编程基础

C/C++面试题目