联系电话:18858105031
您当前的位置:杭州SEO中心 > SEO工具 >

Python爬虫之Cookie详解

Cookie

现在我们来看一下Cookie的使用

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跟踪而存储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在登录后才能访问到某个网页,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,先介绍一下opener的概念

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

Cookielib

cookielib模块的主要作用是提供可存储的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并在后续连续发送请求时重新发送,比如可以实现模拟登录功能。该模块主要的独享有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。

它们的关系是: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('https://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办呢?

FileCookieJar的子类MozillaCookieJar可以实现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,原理用urllib2的urlopen
response = opener.open('https://www.baidu.com')
#保存cookie文件
cookie.save(ignore_discard=True, ignore_expires=True)

关于最后save方法的两个参数说明一下

  • 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

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实例的对象
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('https://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

下面我们一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


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.buile_opener(urllib2.HTTPCookieProcessor(cookie))
postdatda = urllib.urlencode({'stuid':'201200131012', 'pwd':'23342321'})
#登录教务系统的URL
loginURL = 'https://jwxt.stu.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文件
cookie.save(ignore_discard=True, ignore_expires=True)
#利用cookie请求访问另一个网址,该网址是成绩查询网址
gradeURL = 'https://jwxt.stu.edu.cm:7890/pls/wwwbks/bkscjcx.curscopre'
#请求访问查询网址
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?

如果您需要帮助,可以立即拨打我们的服务热线!
杭州SEO服务
售后服务
Totop