爬虫学习二（Cookie）

今天药忘吃喽~ 2021-09-30 04:58 302阅读 0赞

**什么是cooker：**

![1594234-20190504134606753-694608992.png][]

Cookie是由服务器端生成，发送给User-Agent（一般是浏览器），浏览器会将Cookie的key/value保存到某个目录下的文本文件内，下次请求同一网站时就发送该Cookie给服务器（前提是浏览器设置为启用cookie）。Cookie名称[和值][Link 1]可以由[服务器][Link 2]端开发自己定义，对于JSP而言也可以直接写入jsessionid，这样服务器可以知道该用户是否合法用户以及是否需要重新登录等。

参数的意义：

NAME: cookie的名字

VALURE: cookie的值

Exoires: cookie的过期时间

Path: cookie作用的路径

Domain: cookie作用的域名

SECURE:  是否只在https协议下期起作用

方法一：首先要获取登入后的cooker信息。

1 from urllib import request
    
     5 huang_url = 'https://www.cnblogs.com/QQmini/'
     6 
     7 headers = {
     8     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
     9     'cookie': '使用自己的cooker号'
    10 }
    11 
    12 req = request.Request(url=huang_url, headers=headers)
    13 reqs = request.urlopen(req)
    14 with open('bokeyuan.html', 'w', encoding='utf-8') as fp:
    15     # write函数必须写入一个str 的数据类型
    16     # reqs.read() 读取的是一个bytes书籍类型
    17     # bytes -> decode -> str 类型之间的转换
    18     # str -> encode -> bytes
    19     fp.write(reqs.read().decode('utf-8'))

每次访问都要获取cookie的页面从浏览器中复制cookie比较麻烦，在Python处理cookie，一般是通过 http.cookiejar 模块 和 urllib 模块的HTTPCookieProcessor 处理器类一起使用。http.cookiejar 模块主要作用是提供用于储存cookie的对象。而 HTTPCookieProcessor 处理器主要作用是处理这些Cookie对象，并构建handle对象。

**http.cookiejar模块：　**

CookieJar类有一些子类，分别是FileCookieJar，MozillaCookieJar，LWPCookieJar。

*  CookieJar：管理HTTP cookie值、存储HTTP请求生成的cookie、向传出的HTTP请求添加cookie的对象。整个cookie都存储在内存中，对CookieJar实例进行垃圾回收后cookie也将丢失。
 *  FileCookieJar (filename,delayload=None,policy=None)：从CookieJar派生而来，用来创建FileCookieJar实例，检索cookie信息并将cookie存储到文件中。filename是存储cookie的文件名。delayload为True时支持延迟访问访问文件，即只有在需要时才读取文件或在文件中存储数据。
 *  MozillaCookieJar (filename,delayload=None,policy=None)：从FileCookieJar派生而来，创建与Mozilla浏览器 cookies.txt兼容的FileCookieJar实例。
 *  LWPCookieJar (filename,delayload=None,policy=None)：从FileCookieJar派生而来，创建与libwww-perl标准的 Set-Cookie3 文件格式兼容的FileCookieJar实例。

方法二：

1 # 访问的大鹏主页：http://www.renren.com/880151247/profile
     2 # 网站的登入页: http://www.renren.com/PLogin.do
     3 
     4 from urllib import request, parse
     5 from http.cookiejar import CookieJar
     6 
     7 
     8 # 登入
     9 # 1.1 创建一个cookiejar对象
    10 cookiejar = CookieJar()
    11 # 1.2 使用cookiejar创建一个 HTTPCookieProcess对象
    12 handler = request.HTTPCookieProcessor(cookiejar)
    13 # 1.3 使用上一步创建的headler创建一个opener
    14 opener = request.build_opener(handler)
    15 
    16 
    17 
    18 # 1.4 使用opener发送登入请求（用户名和密码）
    19 headlers = {
    20     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
    21 }
    22 data = {
    23     'email': '970138074@qq.com',
    24     'password': 'pythonspider'
    25 }
    26 login_url = 'http://www.renren.com/PLogin.do'
    27 req = request.Request(url=login_url, headers=headlers, data=parse.urlencode(data).encode('utf-8'))
    28 opener.open(req)
    29 
    30 
    31 
    32 # 2.访问个人主页
    33 # 需要访问的个人主页
    34 zhuye_url = 'http://www.renren.com/880151247/profile'
    35 # 获取个人主页的时候不要重新构建opener
    36 # 而是应使用之前的 opener，因为之前的opener已经包含需要的cookie信息
    37 req = request.Request(url=zhuye_url, headers=headlers)
    38 reqs = opener.open(req)
    39 with open('zhuye.html', 'w', encoding='utf-8') as fp:
    40     fp.write(reqs.read().decode('utf-8'))

整理成函数类型：
    # 访问的大鹏主页：http://www.renren.com/880151247/profile
    # 网站的登入页: http://www.renren.com/PLogin.do
    
    from urllib import request, parse
    from http.cookiejar import CookieJar
    # 1.4 使用opener发送登入请求（用户名和密码）
    headlers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
    }
    
    # 1.登入
    def get_opener():
        '''获取opener'''
        # 1.1 创建一个cookiejar对象
        cookiejar = CookieJar()
        # 1.2 使用cookiejar创建一个 HTTPCookieProcess对象
        handler = request.HTTPCookieProcessor(cookiejar)
        # 1.3 使用上一步创建的headler创建一个opener
        opener = request.build_opener(handler)
        return opener
    
    
    def login_renren(opener):
        '''登入人人网'''
        data = {
            'email': '970138074@qq.com',
            'password': 'pythonspider'
        }
        login_url = 'http://www.renren.com/PLogin.do'
        req = request.Request(url=login_url, headers=headlers, data=parse.urlencode(data).encode('utf-8'))
        opener.open(req)
    
    
    # 2.访问个人主页
    def fanhui_profile(opener):
        '''返回个人主页'''
        # 需要访问的个人主页
        zhuye_url = 'http://www.renren.com/880151247/profile'
        # 获取个人主页的时候不要重新构建opener
        # 而是应使用之前的 opener，因为之前的opener已经包含需要的cookie信息
        req = request.Request(url=zhuye_url, headers=headlers)
        reqs = opener.open(req)
        with open('zhuye.html', 'w', encoding='utf-8') as fp:
            fp.write(reqs.read().decode('utf-8'))
    
    
    if __name__ == '__main__':
        opener = get_opener()
        login_renren(opener)
        fanhui_profile(opener)

** 保存cookie到本地：**

保存cookie到本地，可以使用cookiejar 的save 方法， 并且需要指定一个文件名：

1 from urllib import request
     2 from http.cookiejar import MozillaCookieJar
     3 
     4 # 1. 创建cookie.txt 文件
     5 cookiejar = MozillaCookieJar('cookie.txt')
     6 # 2. headler 创建headler
     7 cookiejar.load(ignore_discard=True) # 加载cookie 信息
     8 headler = request.HTTPCookieProcessor(cookiejar)
     9 # 3. 创建opener
    10 opener = request.build_opener(headler)
    11 
    12 # 向网页发请求
    13 # opener.open('http://httpbin.org/cookies/set?course=abc')
    14 opener.open('http://httpbin.org/cookies')
    15 for cookie in cookiejar:
    16     print(cookie)
    17 # cookiejar.save(ignore_discard=True)
    18 # ignore_discard=True 时表示保存过期cookie信息
    现在执行的是加载cookiejar.load()
    注释的是创建cookie文件的

转载于:https://www.cnblogs.com/QQmini/p/10808379.html

[1594234-20190504134606753-694608992.png]: /images/20210725/91f9d8f54de642dd85a712d00b24b6d6.png
[Link 1]: https://baike.so.com/doc/6323305-6536912.html
[Link 2]: https://baike.so.com/doc/4487696-4696885.html