Python爬虫入门六之Cookie的使用

你们好哈，上一节咱们研究了一下爬虫的异常处理问题，那么接下来咱们一块儿来看一下Cookie的使用。

为何要使用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（一般通过加密）

好比说有些网站须要登陆后才能访问某个页面，在登陆以前，你想抓取某个页面内容是不容许的。那么咱们能够利用Urllib2库保存咱们登陆的Cookie，而后再抓取其余页面就达到目的了。

在此以前呢，咱们必须先介绍一个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，咱们都是使用的默认的opener，也就是urlopen。它是一个特殊的opener，能够理解成opener的一个特殊实例，传入的参数仅仅是url，data，timeout。

若是咱们须要用到Cookie，只用这个opener是不能达到目的的，因此咱们须要建立更通常的opener来实现对Cookie的设置。

2.Cookielib

cookielib模块的主要做用是提供可存储cookie的对象，以便于与urllib2模块配合使用来访问Internet资源。Cookielib模块很是强大，咱们能够利用本模块的CookieJar类的对象来捕获cookie并在后续链接请求时从新发送，好比能够实现模拟登陆功能。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，咱们先利用CookieJar对象实现获取cookie的功能，存储到变量中，先来感觉一下

 

1 2 3 4 5 6 7 8 9 10 11 12 13

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对象来建立cookie处理器 handler=urllib2.HTTPCookieProcessor(cookie) #经过handler来构建opener opener = urllib2.build_opener(handler) #此处的open方法同urllib2的urlopen方法，也能够传入request response = opener.open('http://www.baidu.com') for item in cookie:     print 'Name = '+item.name     print 'Value = '+item.value

咱们使用以上方法将cookie保存到变量中，而后打印出了cookie中的值，运行结果以下

 

1 2 3 4 5 6 7 8 9 10

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，咱们将cookie保存到了cookie这个变量中，若是咱们想将cookie保存到文件中该怎么作呢？这时，咱们就要用到

FileCookieJar这个对象了，在这里咱们使用它的子类MozillaCookieJar来实现Cookie的保存

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

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，以后写入文件 cookie = cookielib.MozillaCookieJar(filename) #利用urllib2库的HTTPCookieProcessor对象来建立cookie处理器 handler = urllib2.HTTPCookieProcessor(cookie) #经过handler来构建opener opener = urllib2.build_opener(handler) #建立一个请求，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：

官方解释以下：

ignore_discard: save even cookies set to be discarded. 

ignore_expires: save even cookies that have expiredThe file is overwritten if it already exists

因而可知，ignore_discard的意思是即便cookies将被丢弃也将它保存下来，ignore_expires的意思是若是在该文件中cookies已经存在，则覆盖原文件写入，在这里，咱们将这两个所有设置为True。运行以后，cookies将被保存到cookie.txt文件中，咱们查看一下内容，附图以下

 3）从文件中获取Cookie并访问

那么咱们已经作到把Cookie保存到文件中了，若是之后想使用，能够利用下面的方法来读取cookie并访问网站，感觉一下

 

1 2 3 4 5 6 7 8 9 10 11 12 13

import cookielib import urllib2   #建立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) #建立请求的request req = urllib2.Request("http://www.baidu.com") #利用urllib2的build_opener方法建立一个opener opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) response = opener.open(req) print response.read()

设想，若是咱们的 cookie.txt 文件中保存的是某我的登陆百度的cookie，那么咱们提取出这个cookie文件内容，就能够用以上方法模拟这我的的帐号登陆百度。

 4）利用cookie模拟网站登陆

下面咱们以咱们学校的教育系统为例，利用cookie实现模拟登陆，并将cookie信息保存到文本文件中，来感觉一下cookie大法吧！

注意：密码我改了啊，别偷偷登陆本宫的选课系统 o(╯□╰)o

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

import urllib import urllib2 import cookielib   filename = 'cookie.txt' #声明一个MozillaCookieJar对象实例来保存cookie，以后写入文件 cookie = cookielib.MozillaCookieJar(filename) opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) postdata = urllib.urlencode({             'stuid':'201200131012',             'pwd':'23342321'         }) #登陆教务系统的URL loginUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bks_login2.login' #模拟登陆，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请求访问另外一个网址，此网址是成绩查询网址 gradeUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bkscjcx.curscopre' #请求访问成绩查询网址 result = opener.open(gradeUrl) print result.read()

以上程序的原理以下

建立一个带有cookie的opener，在访问登陆的URL时，将登陆后的cookie保存下来，而后利用这个cookie来访问其余网址。

如登陆以后才能查看的成绩查询呀，本学期课表呀等等网址，模拟登陆就这么实现啦，是否是很酷炫？

好，小伙伴们要加油哦！咱们如今能够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，下一节咱们去会会正则表达式！

转载：静觅 » Python爬虫入门六之Cookie的使用