什麼是cookies
在網站中,http請求是無狀態的。也就是說即使第一次和服務器連接後並且登錄成功後,第二次請求服務器依然不能知道當前請求是哪個用戶。cookie的出現就是爲了解決這個問題,第一次登錄後服務器返回一些數據(cookie)給瀏覽器,然後瀏覽器保存在本地,當該用戶發送第二次請求的時候,就會自動的把上次請求存儲的cookie數據自動的攜帶給服務器,服務器通過瀏覽器攜帶的數據就能判斷當前用戶是哪個了。cookie存儲的數據量有限,不同的瀏覽器有不同的存儲大小,但一般不超過4KB。因此使用cookie只能存儲一些小量的數據。
cookies的格式
Set-Cookie: NAME=VALUE;Expires/Max-age=DATE;Path=PATH;Domain=DOMAIN_NAME;SECURE
- NAME:cookie的名字
- VALUE:cookie的值。
- Expires/Max-age:cookie的過期時間。
- Path:cookie作用的路徑。可以具體指定,如果不指定默認就是網站的根目錄
- Domain:cookie作用的域名。
- SECURE:是否只在https協議下起作用。
使用cookielib庫和HTTPCooieProcessor模擬登錄
Cookie是指網站服務器爲了辨別用戶身份和進行Session跟蹤,而儲存在用戶瀏覽器上的文本文件,Cookie可以保持登陸信息到下次與服務器對話
以人人網爲例,人人網中,要訪問某個人的主頁,必須登錄後才能訪問。登錄說白了就是有登錄信息,用代碼訪問的話就必須有正確的cookie信息才能訪問,第一種是使用瀏覽器訪問,然後將cookie信息複製下來放到headers中,
#不使用cookie信息訪問
from urllib import request
url='http://www.renren.com/880151247/profile'
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36'}
req=request.Request(url,headers=headers)
#返回一個響應對象
resp=request.urlopen(req)
#將數據寫進renren.html中
with open('renren.html','w') as fp:
#write函數必須寫入一個str的數據類型
#resp.read()讀出來的是一個bytes的數據類型
#所以應對信息解碼
#bytes->decode->str
#str->encode->bytes
fp.write(resp.read().decode('utf-8'))
在目錄裏面打開文件:
訪問不了界面
from urllib import request
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36',
'Cookie': 'anonymid=jacdwz2x-8bjldx; depovince=GW; _r01_=1; _ga=GA1.2.1455063316.1511436360; _gid=GA1.2.862627163.1511436360; wp=1; JSESSIONID=abczwY8ecd4xz8RJcyP-v; jebecookies=d4497791-9d41-4269-9e2b-3858d4989785|||||; ick_login=884e75d4-f361-4cff-94bb-81fe6c42b220; _de=EA5778F44555C091303554EBBEB4676C696BF75400CE19CC; p=61a3c7d0d4b2d1e991095353f83fa2141; first_login_flag=1; [email protected]; ln_hurl=http://hdn.xnimg.cn/photos/hdn121/20170428/1700/main_nhiB_aebd0000854a1986.jpg; t=3dd84a3117737e819dd2c32f1cdb91d01; societyguester=3dd84a3117737e819dd2c32f1cdb91d01; id=443362311; xnsid=169efdc0; loginfrom=syshome; ch_id=10016; jebe_key=9c062f5a-4335-4a91-bf7a-970f8b86a64e%7Ca022c303305d1b2ab6b5089643e4b5de%7C1511449232839%7C1; wp_fold=0'
}
url = 'http://www.renren.com/880151247/profile'
req = request.Request(url,headers=headers)
resp = request.urlopen(req)
with open('renren.html','w',encoding='utf-8') as fp:
fp.write(resp.read().decode('utf-8'))
但是每次在訪問需要cookie的頁面都要從瀏覽器中複製cookie比較麻煩。在Python處理Cookie,一般是通過http.cookiejar模塊和urllib模塊的HTTPCookieProcessor處理器類一起使用。http.cookiejar模塊主要作用是提供用於存儲cookie的對象。而HTTPCookieProcessor處理器主要作用是處理這些cookie對象,並構建handler對象。
爬蟲自動登錄訪問授權頁面
http.cookiejar模塊
該模塊主要的類有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。這四個類的作用分別如下:
- CookieJar:管理HTTP cookie值、存儲HTTP請求生成的cookie、向傳出的HTTP請求添加cookie的對象。整個cookie都存儲在內存中,對CookieJar實例進行垃圾回收後cookie也將丟失。
- FileCookieJar (filename,delayload=None,policy=None):從CookieJar派生而來,用來創建FileCookieJar實例,檢索cookie信息並將cookie存儲到文件中。filename是存儲cookie的文件名。delayload爲True時支持延遲訪問 訪問文件,即只有在需要時纔讀取文件或在文件中存儲數據。
- MozillaCookieJar (filename,delayload=None,policy=None):從FileCookieJar派生而來,創建與Mozilla瀏覽器 cookies.txt兼容的FileCookieJar實例。
- LWPCookieJar (filename,delayload=None,policy=None):從FileCookieJar派生而來,創建與libwww-perl標準的 Set-Cookie3 文件格式兼容的FileCookieJar實例。
利用http.cookiejar和request.HTTPCookieProcessor登錄人人網。
HTTPCookieProcessor類似於ProxyHandler,使用來保存請求
# 模擬登錄人人網
from urllib import request,parse
from http.cookiejar import CookieJar
#1.登錄
#1.1創建一個cookiejar對象
cookiejar=CookieJar()
# 1.2使用cookiesjar創建一個HTTPCookieProcess對象
handler=request.HTTPCookieProcessor(cookiejar)
# 1.3使用上一步創建的handler創建一個opener
opener=request.build_opener(handler)
#1.4使用opener發送登錄的請求(人人網的郵箱和密碼)
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36'}
data={'emall':"********",'password':''}#郵箱賬號和密碼
login_url="http://www.renren.com/PLogin.do"
#data需要編碼
req = request.Request(login_url, headers=headers, data=parse.urlencode(data).encode('utf-8'))
opener.open(req)
# 2.訪問個人主頁
dapeng_url="http://www.renren.com/880151247/profile"
#獲取個人主頁的頁面的時候,不更新新建一個opener
#而應該使用之前的那個opener,因爲之前的那個opener已經包含了
#登錄需要的cookie信息
req=request.Request(dapeng_url,headers=headers)
resp=opener.open(req)
with open('renren.html','w') as fp:
#write函數必須寫入一個str的數據類型
#resp.read()讀出來的是一個bytes的數據類型
#所以應對信息解碼
#bytes->decode->str
#str->encode->bytes
fp.write(resp.read().decode('utf-8'))
from urllib import request,parse
from http.cookiejar import CookieJar
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36'
}
def get_opener():
cookiejar = CookieJar()
handler = request.HTTPCookieProcessor(cookiejar)
opener = request.build_opener(handler)
return opener
def login_renren(opener):
data = {"email": "**********@qq.com", "password": "************"}#郵箱密碼請設置成自己的
data = parse.urlencode(data).encode('utf-8')
login_url = "http://www.renren.com/PLogin.do"
req = request.Request(login_url, headers=headers, data=data)
opener.open(req)
def visit_profile(opener):
url = 'http://www.renren.com/880151247/profile'
req = request.Request(url,headers=headers)
resp = opener.open(req)
with open('renren.html','w') as fp:
fp.write(resp.read().decode("utf-8"))
if __name__ == '__main__':
opener = get_opener()
login_renren(opener)
visit_profile(opener)