python

导航

python爬虫如何使用Cookie

来源 :中华考试网 2020-10-16

   为什么要使用Cookie呢?

  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,我们必须先介绍一个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。

  import urllib2

  import cookielib

  #声明一个CookieJar对象实例来保存cookie

  cookie = cookielib.CookieJar()

  #利用urllib2库的HTTPCookieProcessor对象来创建cookie处理器

  handler=urllib2.HTTPCookieProcessor(cookie)

  #通过handler来构建opener

  opener = urllib2.build_opener(handler)

  #此处的open方法同urllib2的urlopen方法,也可以传入request

  response = opener.open('http://www.baidu.com')

  for item in cookie:

  print 'Name = '+item.name

  print 'Value = '+item.value

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

  Name = BAIDUID

  Value = B07B663B645729F11F659C02AAE65B4C:FG=1

  Name = BAIDUPSID

  Value = B07B663B645729F11F659C02AAE65B4C

  Name = H_PS_PSSID

  Value = 12527_11076_1438_10633

  Name = BDSVRTM

  Value = 0

  Name = BD_HOME

  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

  import cookielib

  import urllib2

  #设置保存cookie的文件,同级目录下的cookie.txt

  filename = 'cookie.txt'

  #声明一个MozillaCookieJar对象实例来保存cookie,之后写入文件

  cookie = cookielib.MozillaCookieJar(filename)

  #利用urllib2库的HTTPCookieProcessor对象来创建cookie处理器

  handler = urllib2.HTTPCookieProcessor(cookie)

  #通过handler来构建opener

  opener = urllib2.build_opener(handler)

  #创建一个请求,原理同urllib2的urlopen

  response = opener.open("http://www.baidu.com")

  #保存cookie到文件

  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:

  ignore_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:

01ee7dc94792dced323a964024f2f95.png

  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

  import cookielib

  import urllib2

  #创建MozillaCookieJar实例对象

  cookie = cookielib.MozillaCookieJar()

  #从文件中读取cookie内容到变量

  cookie.load('cookie.txt', ignore_discard=True, ignore_expires=True)

  #创建请求的request

  req = urllib2.Request("http://www.baidu.com")

  #利用urllib2的build_opener方法创建一个opener

  opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))

  response = opener.open(req)

  print response.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

  下面我们以我们学校的教育系统为例,利用cookie实现模拟登录,并将cookie信息保存到文本文件中,来感受一下cookie大法吧!

  注意:密码我改了啊,别偷偷登录本宫的选课系统 o(╯□╰)o

  import urllib

  import urllib2

  import cookielib

  filename = 'cookie.txt'

  #声明一个MozillaCookieJar对象实例来保存cookie,之后写入文件

  cookie = cookielib.MozillaCookieJar(filename)

  opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))

  postdata = urllib.urlencode({

  'stuid':'201200131012',

  'pwd':'23342321'

  })

  #登录教务系统的URL

  loginUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bks_login2.login'

  #模拟登录,并把cookie保存到变量

  result = opener.open(loginUrl,postdata)

  #保存cookie到cookie.txt中

  cookie.save(ignore_discard=True, ignore_expires=True)

  #利用cookie请求访问另一个网址,此网址是成绩查询网址

  gradeUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bkscjcx.curscopre'

  #请求访问成绩查询网址

  result = opener.open(gradeUrl)

  print result.read()

  以上程序的原理如下:

  创建一个带有cookie的opener,在访问登录的URL时,将登录后的cookie保存下来,然后利用这个cookie来访问其他网址。

  如登录之后才能查看的成绩查询呀,本学期课表呀等等网址,模拟登录就这么实现啦,是不是很酷炫?

分享到

相关资讯