python爬虫(4)--Cookie的使用
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。
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
#-*- coding: UTF-8 -*- 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.nameprint '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 = BIDUPSID Value = C364562090A29F04F270296E09787130 Name = H_PS_PSSID Value = 1429_21085_25177_25083 Name = PSTM Value = 1511943728 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
#-*- coding: UTF-8 -*- 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:
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
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
#-*- coding: UTF-8 -*- import cookielib import urllib2 import sys# 设置编码 reload(sys) sys.setdefaultencoding('utf-8') # 获得系统编码格式 type = sys.getfilesystemencoding() # 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) a = response.read().decode('utf-8').encode(type) print a
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
利用cookie实现模拟登录,并将cookie信息保存到文本文件中
# -*- coding: utf-8 -*- import urllib import urllib2 import cookielib import sys# 设置编码 reload(sys) sys.setdefaultencoding('utf-8') # 获得系统编码格式 type = sys.getfilesystemencoding() 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({'username': '201711200004','password': 'liuliu159' }) # 登录教务系统的URL loginUrl = 'http://ids.znufe.edu.cn/authserver/login?service=http%3A%2F%2Fyjs.znufe.edu.cn%2Fssfw%2Flogin_cas.jsp' # 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://yjs.znufe.edu.cn/ssfw/index.do#' # 请求访问成绩查询网址 result = opener.open(gradeUrl) a = result.read().decode('utf-8').encode(type) print a
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,本学期课表等等网址,模拟登录就这么实现
转载于:https://www.cnblogs.com/lzhc/p/7922310.html
python爬虫(4)--Cookie的使用相关推荐
- 利用python爬虫(part15)--cookie模拟登陆
学习笔记 文章目录 cookie模拟登陆 获取cookie 爬取我的简介 cookie模拟登陆 有的时候,我们想要抓取一个网站,但是需要先登录才能访问它,如果不输入用户名和密码,我们就会一直停留在登录 ...
- python爬虫之cookie方式自动登录巴比特网
最近打算抓取公司内部PPT模板库中的PPT,发现被各种安全屏蔽.因为好久没写程序了,因此写几个例子回顾下基本的爬虫知识 目标网址巴比特的登录页面 http://8btc.com/member.php? ...
- python爬虫判断cookie过期_当爬虫遇到cookie失效,怎样处理?
之前使用爬虫时,最让我头疼的就是cookie失效的问题了.由于有的cookie存在时效问题.一段时间后,cookies会失效.失效后,爬虫碰到的页面就基本上是重新登录的页面了.这时候就需要cookie ...
- python爬虫-使用cookie登录
前言: 什么是cookie? 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 ...
- python爬虫之---------------cookie和session
cookie 1. cookie的由来: 大家都知道HTTP协议是无状态的. 无状态:是每次请求都是独立的,它的执行情况和结果与前面的请求和之后的请求都无直接关系,它不会受前面的请求响应情况直接影响, ...
- Python爬虫进行Cookie登录
不太喜欢说废话,直接开始. 一.首先找到发送登录请求(post或get)的url: 可以用抓包工具来进行捕捉,我用的工具是fiddler.fidder的安装及使用方法大家自行百度.这里假设大家已经安装 ...
- Python爬虫之Cookie和Session(转载)
http://www.cnblogs.com/zhaof/p/7211253.html 转载于:https://www.cnblogs.com/shaosks/p/10298930.html
- python获取登录后的cookie_python爬虫使用cookie登录详解
前言: 什么是cookie? 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 ...
- python爬虫 - Urllib库及cookie的使用
lz提示一点,python3中urllib包括了py2中的urllib+urllib2.[python2和python3的区别.转换及共存 - urllib] 怎样扒网页? 其实就是根据URL来获取它 ...
- Python爬虫入门(6):Cookie的使用
Python爬虫入门(1):综述 Python爬虫入门(2):爬虫基础了解 Python爬虫入门(3):Urllib库的基本使用 Python爬虫入门(4):Urllib库的高级用法 Python爬虫 ...
最新文章
- php请求路由,PHP 新手入门指南 - 表单请求与路由
- VTK:小部件之ImagePlaneWidget
- 4款深度学习框架简介,初学者该如何选择?
- linux 下Eclipse for C/C++的不常见设置
- 电脑换ip软件_如何使用爱加速换iP软件
- jsp中把js变量赋给java变量,或者将java变量赋给js变量怎么做?
- Python3 ORM hacking
- 苹果Mac 软件出现「意外退出」及「打不开」解决方法
- Python入门 第二节 作业一
- pdf论文在线翻译网站
- java基础-面向对象
- 黑龙江大学自考,助学专业软件工程(本科)招生简章
- 光纤中传导模式matlab仿真,光纤通信实验指导书
- Python RPM包制作
- B站纪录片发布会,发布的不只是纪录片
- Word格式处理控件Aspose.Words for .NET水印处理教程——如何添加和删除水印
- Java并发编程艺术阅读笔记(一)
- html跳转qq浏览器,为何QQ浏览器主页自动跳转
- 基于 Vue 和 TS 的 Web 移动端项目实战心得
- Java集合源码解析