Python爬虫入门之Cookie的使用

本节我们一起来看一下Cookie的使用。

　　为什么要使用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（通常经过加密）

　　比如说有些网站需要登录后才能访问某个页面，在登录之前，你想抓取某个页面内容是不允许的。那么我们可以利用Urllib2库保存我们登录的Cookie，然后再抓取其他页面就达到目的了。

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

　　如果我们需要用到Cookie，只用这个opener是不能达到目的的，所以我们需要创建更一般的opener来实现对Cookie的设置。

2.Cookielib

　　cookielib模块的主要作用是提供可存储cookie的对象，以便于与urllib2模块配合使用来访问Internet资源。Cookielib模块非常强大，我们可以利用本模块的CookieJar类的对象来捕获cookie并在后续连接请求时重新发送，比如可以实现模拟登录功能。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，我们先利用CookieJar对象实现获取cookie的功能，存储到变量中，先来感受一下

 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对象来创建cookie处理器

 handler=urllib2.HTTPCookieProcessor(cookie)

 #通过handler来构建opener

 opener = urllib2.build_opener(handler)

 #此处的open方法同urllib2的urlopen方法，也可以传入request

 response = opener.open('http://www.baidu.com')

 for item in cookie:

     print 'Name = '+item.name

     print 'Value = '+item.value

　　我们使用以上方法将cookie保存到变量中，然后打印出了cookie中的值，运行结果如下

 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，我们将cookie保存到了cookie这个变量中，如果我们想将cookie保存到文件中该怎么做呢？

　　这时，我们就要用到 FileCookieJar这个对象了，在这里我们使用它的子类MozillaCookieJar来实现Cookie的保存

 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，之后写入文件

 cookie = cookielib.MozillaCookieJar(filename)

 #利用urllib2库的HTTPCookieProcessor对象来创建cookie处理器

 handler = urllib2.HTTPCookieProcessor(cookie)

 #通过handler来构建opener

 opener = urllib2.build_opener(handler)

 #创建一个请求，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：

　　官方解释如下：

　　　　ignore_discard: save even cookies set to be discarded.

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

　　由此可见，ignore_discard的意思是即使cookies将被丢弃也将它保存下来，ignore_expires的意思是如果在该文件中cookies已经存在，则覆盖原文件写入，在这里，我们将这两个全部设置为True。运行之后，cookies将被保存到cookie.txt文件中，我们查看一下内容，附图如下

　　3）从文件中获取Cookie并访问

　　那么我们已经做到把Cookie保存到文件中了，如果以后想使用，可以利用下面的方法来读取cookie并访问网站，感受一下

 import cookielib

 import urllib2

 #创建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)

 #创建请求的request

 req = urllib2.Request("http://www.baidu.com")

 #利用urllib2的build_opener方法创建一个opener

 opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))

 response = opener.open(req)

 print response.read()

　　设想，如果我们的 cookie.txt 文件中保存的是某个人登录百度的cookie，那么我们提取出这个cookie文件内容，就可以用以上方法模拟这个人的账号登录百度。

　　4）利用cookie模拟网站登录

　　下面我们以我们学校的教育系统为例，利用cookie实现模拟登录，并将cookie信息保存到文本文件中，来感受一下cookie大法吧！

　　注意：密码我改了啊，别偷偷登录本宫的选课系统 o(╯□╰)o

 import urllib

 import urllib2

 import cookielib

 filename = 'cookie.txt'

 #声明一个MozillaCookieJar对象实例来保存cookie，之后写入文件

 cookie = cookielib.MozillaCookieJar(filename)

 opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))

 postdata = urllib.urlencode({

             'stuid':'',

             'pwd':''

         })

 #登录教务系统的URL

 loginUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bks_login2.login'

 #模拟登录，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()

　　以上程序的原理如下

　　创建一个带有cookie的opener，在访问登录的URL时，将登录后的cookie保存下来，然后利用这个cookie来访问其他网址。

　　如登录之后才能查看的成绩查询呀，本学期课表呀等等网址，模拟登录就这么实现啦，是不是很酷炫？

　　转载整理自：静觅 » Python爬虫入门六之Cookie的使用

巴特西