投稿    登录
  《Python3网络爬虫开发实战》赠书活动正在进行中!详情请戳赠书活动!欢迎参与!非常感谢!

Python爬虫入门六之Cookie的使用

Python 崔庆才 232769浏览 133评论

大家好哈,上一节我们研究了一下爬虫的异常处理问题,那么接下来我们一起来看一下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

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

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

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

QQ截图20150215215136

 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

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

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?

好,小伙伴们要加油哦!我们现在可以顺利获取网站信息了,接下来就是把网站里面有效内容提取出来,下一节我们去会会正则表达式!

转载请注明:静觅 » Python爬虫入门六之Cookie的使用

喜欢 (838)or分享 (0)

想学更多爬虫知识?《Python3网络爬虫开发实战》这本书也许更适合你~

了解详情or立即购买

我的个人微信公众号

扫码或搜索:进击的Coder

进击的Coder

微信公众号 扫一扫关注

想结交更多的朋友吗?

来进击的Coder瞧瞧吧

进击的Coder

QQ群号 99350970 立即加入

进击的Coder灌水太多?

这里是纯粹的技术领地

激进的Coder

QQ群号 627725766 立即加入

您的支持是博主写作最大的动力,如果您喜欢我的文章,感觉我的文章对您有帮助,请狠狠点击下面的

发表我的评论
取消评论
表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
(133)个小伙伴在吐槽
  1. 要是有验证码怎么办。而且是图片,普通方式也不能识别出来
    梦池2017-10-27 16:57 回复
  2. 想知道登录的时候要输入验证码怎么办??
    闭上眼睛变哑巴2017-09-22 15:17 回复
  3. 感谢作者的分享。不过我遇到一个问题:代码运行后,shell显示的错误非本代码编辑,而是python安装路径中的urllib2.py和cookielib的错误。不是很懂,特来求教[/可爱],一下是代码和错误截图。
    喵的喵菇凉2017-09-07 16:42 回复
  4. 关于大家问为什么key是stuid和pwd的问题,我来解释一下。这个key是根据你要登录的网站用工具查看到的。以火狐浏览器为例,F12可以查看提交的参数,这里的stuid和pwd其实是表单的参数名。有其他不同的网站登录表单账号密码所用的参数名可能是其他的。
    匿名2017-08-16 21:38 回复
  5. 关于大家问为什么key是stuid和pwd的问题,我来解释一下。这个key是根据你要登录的网站用工具查看到的。以火狐浏览器为例,F12可以查看提交的参数,这里的stuid和pwd其实是表单的参数名。有其他不同的网站登录表单账号密码所用的参数名可能是其他的。
    星辰网络834在搜狐2017-08-16 21:38 回复
  6. 以知乎为例在fromdata里面
    匿名2017-07-11 16:32 回复
  7. 前面章节有简单介绍到:F12,然后右键点登录的地方可以审查元素,不同网站登录的name肯定不一样,我也是小白,在学习中
    匿名2017-06-12 10:23 回复
  8. 我也有这个疑问,好像不同网页的登录所需信息的格式不一样是从哪获取的
    匿名2017-05-31 15:17 回复
  9. File cookieDemo.py, line 4 SyntaxError: Non-ASCII character '\xe5' in file cookieDemo.py on line 4, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details 报错什么情况?
    hei客2017-05-09 17:05 回复
  10. 我这要写绝对路径才行 ,不知道为啥
    JustBreaking2017-03-31 15:26 回复
  11. 博主不是男的么
    星源2017-03-15 14:02 回复
    • 山东女子学院 博主还真的是妹子啊
      星源2017-03-15 14:05 回复
1 4 5 6