CookieJar和HTTPCookieProcessor

我们在使用爬虫的时候，经常会用到cookie进行模拟登陆和访问。在使用urllib库做爬虫，我们需要借助http.cookiejar库中的CookieJar来实现。

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。

其实大多数情况下，我们只用CookieJar()，如果需要和本地文件交互，就用 MozillaCookjar() 或 LWPCookieJar()。

当然，如果我们对cookie有定制的需要，那么我们也要借助HTTPCookieProcess处理器来处理。具体看下面代码。

使用CookieJar获取cookie值

代码如下：



if __name__ == '__main__':

    url = 'http://www.baidu.com/'

    headers = {

        'User-Agent': 'Mozilla/5.0(Windows NT 10.0; WOW64)AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.3427.400 QQBrowser/9.6.12513.400'

    }

    cookie = cookiejar.CookieJar()

    handler = urllib.request.HTTPCookieProcessor(cookie)

    opener = urllib.request.build_opener(handler)

    resp = opener.open(url)

    cookieStr = ''

    for item in cookie:

        cookieStr = cookieStr + item.name + '=' + item.value + ';'

    print(cookieStr)

输出结果：

BAIDUID=C69C91EF147DBFE7206E152C8652E773:FG=1;BIDUPSID=C69C91EF147DBFE7206E152C8652E773;H_PS_PSSID=1460_21118_18560_24879_20927;PSTM=1510410052;BDSVRTM=0;BD_HOME=0;

获取网站的cookie并保存cookie到文件中

保存cookie到文件，我们需要使用MozillaCookjar()

import urllib.request

from http import cookiejar

def save_cookie(url, cookie_filename):

    cookie = cookiejar.MozillaCookieJar(cookie_filename)

    handler = urllib.request.HTTPCookieProcessor(cookie)

    opener = urllib.request.build_opener(handler)

    resp = opener.open(url)

    cookieStr = ''

    for item in cookie:

        cookieStr = cookieStr + item.name + '=' + item.value + ';'

    print(cookieStr)

    cookie.save()

if __name__ == '__main__':

    url = 'http://www.baidu.com/'

    headers = {

        'User-Agent': 'Mozilla/5.0(Windows NT 10.0; WOW64)AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.3427.400 QQBrowser/9.6.12513.400'

    }

    cookie_filename = 'cookie.txt'

    req = urllib.request.Request(url, headers=headers)

    save_cookie(req, cookie_filename)

获取文件中的cookie访问链接



import urllib.request

from http import cookiejar

def load_cookie(url, cookie_filename):

    cookie = cookiejar.MozillaCookieJar()

    cookie.load(cookie_filename)

    handler = urllib.request.HTTPCookieProcessor(cookie)

    opener = urllib.request.build_opener(handler)

    resp = opener.open(req)

    cookieStr = ''

    for item in cookie:

        cookieStr = cookieStr + item.name + '=' + item.value + ';'

    print(cookieStr)

if __name__ == '__main__':

    url = 'http://www.baidu.com/'

    headers = {

        'User-Agent': 'Mozilla/5.0(Windows NT 10.0; WOW64)AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.3427.400 QQBrowser/9.6.12513.400'

    }

    cookie_filename = 'cookie.txt'

    req = urllib.request.Request(url, headers=headers)

    load_cookie(req, cookie_filename)

使用cookiejar和post用户名和密码模拟人人网用户登入

import urllib.request

import urllib.parse

from http import cookiejar

if __name__ == '__main__':

    # 人人网的很早的登入网站（最新的登入网站做了校验机制，现在不好登入...）

    url = 'http://www.renren.com/PLogin.do'

    headers = {

        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.62 Safari/537.36'}

    # post的data数据，email是用户名，password是密码，这个是登入网站的input标签的name属性值

    data = {'email': 'xxxxxxxxx', 'password': 'xxxxxxx'}

    # 转成url编码

    data = urllib.parse.urlencode(data).encode('utf-8')

    # 保存cookie的文件名称

    cookie_filename = 'renren_cookie.txt'

    # 获取cookie对象

    cookie = cookiejar.MozillaCookieJar(cookie_filename)

    # 构建一个cookie的处理器

    handler = urllib.request.HTTPCookieProcessor(cookie)

    # 获取一个opener对象

    opener = urllib.request.build_opener(handler)

    # 获取一个请求对象

    req = urllib.request.Request(url, data)

    # 给opener添加请求头，使用的是元组的方式

    opener.addheaders = [('User-Agent',

                          'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.62 Safari/537.36')]

    # 请求服务器，返回响应对象，这时cookie已经随着resp对象携带过来了

    resp = opener.open(req)

    # 保存cookie到文件

    cookie.save()

    # 将响应的内容写入到文件

    with open('renren_login.html', 'wb')as f:

        f.write(resp.read())

目前人人网对这种方式已经有校验，打开保存的文件renren_login.html，一开始处于登入状态，但是过会跳到登入页面去。应该是有校验机制。

巴特西

CookieJar和HTTPCookieProcessor

CookieJar和HTTPCookieProcessor

使用CookieJar获取cookie值

获取网站的cookie并保存cookie到文件中

获取文件中的cookie访问链接

使用cookiejar和post用户名和密码模拟人人网用户登入

最新文章

热门文章