Cookie,指某些網(wǎng)站為了辨別用戶(hù)身份、進(jìn)行session跟蹤而儲(chǔ)存在用戶(hù)本地終端上的數(shù)據(jù)(通常經(jīng)過(guò)加密)。
舉個(gè)例子,某些網(wǎng)站是需要登錄后才能得到你想要的信息的,不登陸只能是游客模式,那么我們可以利用Urllib2庫(kù)保存我們以前登錄過(guò)的Cookie,之后載入cookie獲取我們想要的頁(yè)面,然后再進(jìn)行抓取。理解cookie主要是為我們快捷模擬登錄抓取目標(biāo)網(wǎng)頁(yè)做出準(zhǔn)備。
我之前的帖子中使用過(guò)urlopen()這個(gè)函數(shù)來(lái)打開(kāi)網(wǎng)頁(yè)進(jìn)行抓取,這僅僅只是一個(gè)簡(jiǎn)單的Python網(wǎng)頁(yè)打開(kāi)器,其參數(shù)也僅有urlopen(url,data,timeout),這三個(gè)參數(shù)對(duì)于我們獲取目標(biāo)網(wǎng)頁(yè)的cookie是遠(yuǎn)遠(yuǎn)不夠的。這時(shí)候我們就要利用到另外一種Opener――CookieJar。
cookielib也是Python進(jìn)行爬蟲(chóng)的一個(gè)重要模塊,他能與urllib2相互結(jié)合一起爬取想要的內(nèi)容。該模塊的CookieJar類(lèi)的對(duì)象可以捕獲cookie并在后續(xù)連接請(qǐng)求時(shí)重新發(fā)送,這樣就可以實(shí)現(xiàn)我們所需要的模擬登錄功能。
這里特別說(shuō)明一下,cookielib是在py2.7中自帶的模塊,無(wú)需重新安裝,想要查看其自帶模塊可以查看Python目錄下的Lib文件夾,里面有所有安裝的模塊。我一開(kāi)始沒(méi)想起來(lái),在pycharm中竟然沒(méi)有搜到cookielib,使用了快捷安裝也報(bào)錯(cuò):Couldn't find index page for 'Cookielib' (maybe misspelled?)
之后才想起來(lái)是不是自帶的就有,沒(méi)想到去lib文件夾一看還真有,白白浪費(fèi)半個(gè)小時(shí)各種瞎折騰~~
下面我們就來(lái)介紹一下這個(gè)模塊,該模塊主要的對(duì)象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。
它們的關(guān)系:CookieJar ―-派生―->FileCookieJar ―-派生―?C>MozillaCookieJar和LWPCookieJar ? 主要用法,我們下面也會(huì)講到。urllib2.urlopen()函數(shù)不支持驗(yàn)證、cookie或者其它HTTP高級(jí)功能。要支持這些功能,必須使用build_opener()(可以用于讓python程序模擬瀏覽器進(jìn)行訪問(wèn),作用你懂得~)函數(shù)創(chuàng)建自定義Opener對(duì)象。
1、首先我們就來(lái)獲取一下網(wǎng)站的cookie
例子:
#coding=utf-8 import cookielib import urllib2 mycookie = cookielib.CookieJar() #聲明一個(gè)CookieJar的類(lèi)對(duì)象保存cookie(注意CookieJar的大小寫(xiě)問(wèn)題) handler = urllib2.HTTPCookieProcessor(mycookie) #利用urllib2庫(kù)中的HTTPCookieProcessor來(lái)聲明一個(gè)處理cookie的處理器 opener = urllib2.build_opener(handler) #利用handler來(lái)構(gòu)造opener,opener的用法和urlopen()類(lèi)似 response = opener.open("http://www.baidu.com") #opener返回的一個(gè)應(yīng)答對(duì)象response for item in my.cookie: print"name="+item.name print"value="+item.value
結(jié)果:
name=BAIDUID value=73BD718962A6EA0DAD4CB9578A08FDD0:FG=1 name=BIDUPSID value=73BD718962A6EA0DAD4CB9578A08FDD0 name=H_PS_PSSID value=1450_19035_21122_17001_21454_21409_21394_21377_21526_21189_21398 name=PSTM value=1478834132 name=BDSVRTM value=0 name=BD_HOME value=0
這樣我們就得到了一個(gè)最簡(jiǎn)單的cookie。
2、將cookie保存到文件
上面我們得到了cookie,下面我們學(xué)習(xí)如何保存cookie。在這里我們使用它的子類(lèi)MozillaCookieJar來(lái)實(shí)現(xiàn)Cookie的保存
例子:
#coding=utf-8 import cookielib import urllib2 mycookie = cookielib.MozillaCookieJar() #聲明一個(gè)MozillaCookieJar的類(lèi)對(duì)象保存cookie(注意MozillaCookieJar的大小寫(xiě)問(wèn)題) handler = urllib2.HTTPCookieProcessor(mycookie) #利用urllib2庫(kù)中的HTTPCookieProcessor來(lái)聲明一個(gè)處理cookie的處理器 opener = urllib2.build_opener(handler) #利用handler來(lái)構(gòu)造opener,opener的用法和urlopen()類(lèi)似 response = opener.open("http://www.baidu.com") #opener返回的一個(gè)應(yīng)答對(duì)象response for item in mycookie: print"name="+item.name print"value="+item.value filename='mycookie.txt'#設(shè)定保存的文件名 mycookie.save(filename,ignore_discard=True, ignore_expires=True)
將上面的例子簡(jiǎn)單變形就可以得到本例,使用了CookieJar的子類(lèi)MozillaCookiJar,為什么呢?我們將MozillaCookiJar換成CookieJar試試,下面一張圖你就能明白:
? CookieJar是沒(méi)有保存save屬性的~
? save()這個(gè)方法中:ignore_discard的意思是即使cookies將被丟棄也將它保存下來(lái),ignore_expires的意思是如果在該文件中cookies已經(jīng)存在,則覆蓋原文件寫(xiě)入,在這里,我們將這兩個(gè)全部設(shè)置為T(mén)rue。運(yùn)行之后,cookies將被保存到cookie.txt文件中,我們查看一下內(nèi)容:
這樣我們就成功保存了我們想要的cookie
3、從文件中獲取cookie并訪問(wèn)
#coding=utf-8 import urllib2 import cookielib import urllib #第一步先給出賬戶(hù)密碼網(wǎng)址準(zhǔn)備模擬登錄 postdata = urllib.urlencode({ 'stuid': '1605122162', 'pwd': 'xxxxxxxxx'#密碼這里就不泄漏啦,嘿嘿嘿 }) loginUrl = 'http://ids.xidian.edu.cn/authserver/login?service=http%3A%2F%2Fjwxt.xidian.edu.cn%2Fcaslogin.jsp'# 登錄教務(wù)系統(tǒng)的URL,成績(jī)查詢(xún)網(wǎng)址 # 第二步模擬登陸并保存登錄的cookie filename = 'cookie.txt' #創(chuàng)建文本保存cookie mycookie = cookielib.MozillaCookieJar(filename) # 聲明一個(gè)MozillaCookieJar對(duì)象實(shí)例來(lái)保存cookie,之后寫(xiě)入文件 opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(mycookie)) #定義這個(gè)opener,對(duì)象是cookie result = opener.open(loginUrl, postdata) mycookie.save(ignore_discard=True, ignore_expires=True)# 保存cookie到cookie.txt中 # 第三步利用cookie請(qǐng)求訪問(wèn)另一個(gè)網(wǎng)址,教務(wù)系統(tǒng)總址 gradeUrl = 'http://ids.xidian.edu.cn/authserver/login?service' #只要是帳號(hào)密碼一樣的網(wǎng)址就可以, 請(qǐng)求訪問(wèn)成績(jī)查詢(xún)網(wǎng)址 result = opener.open(gradeUrl) print result.read()
創(chuàng)建一個(gè)帶有cookie的opener,在訪問(wèn)登錄的URL時(shí),將登錄后的cookie保存下來(lái),然后利用這個(gè)cookie來(lái)訪問(wèn)其他網(wǎng)址。
核心思想:創(chuàng)建opener,包含了cookie的內(nèi)容。之后在利用opener時(shí),就會(huì)自動(dòng)使用原先保存的cookie.
感謝閱讀,希望能幫助到大家,謝謝大家對(duì)本站的支持!
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號(hào)聯(lián)系: 360901061
您的支持是博主寫(xiě)作最大的動(dòng)力,如果您喜歡我的文章,感覺(jué)我的文章對(duì)您有幫助,請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點(diǎn)擊下面給點(diǎn)支持吧,站長(zhǎng)非常感激您!手機(jī)微信長(zhǎng)按不能支付解決辦法:請(qǐng)將微信支付二維碼保存到相冊(cè),切換到微信,然后點(diǎn)擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
