Python爬虫之cookie的获取、保存和使用【新手必学】
前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者:huhanghao
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,登陆前与登陆后是不同的,或者不允许的。另外如果你刚学不久。对这方面还不熟,建议先去小编的python交流.裙 :一久武其而而流一思(数字的谐音)转换下可以找到了,里面有最新python教程项目可拿,多跟里面的人交流,比自己摸索效率更高哦!
在python中它为我们提供了cookiejar模块,它位于http包中,用于对cookie的支持。通过它我们能捕获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。
## cookie的获取
# -*- coding: utf-8 -*-
from urllib import request
from http import cookiejar
if __name__ == '__main__':
#声明一个cookiejar对象实例来保存cookie
cookie = cookiejar.cookiejar()
#利用urllib.request库的httpcookieprocessor对象来创建cookie处理器,也就cookiehandler
handler=request.httpcookieprocessor(cookie)
#通过cookiehandler创建opener
opener = request.build_opener(handler)
#此处的open方法打开网页
response = opener.open('http://www.baidu.com')
#打印cookie信息
for item in cookie:
print('name = %s' % item.name)
print('value = %s' % item.value)
cookie的文件保存
# -*- coding: utf-8 -*-
from urllib import request
from http import cookiejar
if __name__ == '__main__':
#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 = cookiejar.mozillacookiejar(filename)
#利用urllib.request库的httpcookieprocessor对象来创建cookie处理器,也就cookiehandler
handler=request.httpcookieprocessor(cookie)
#通过cookiehandler创建opener
opener = request.build_opener(handler)
#此处的open方法打开网页
response = opener.open('http://www.baidu.com')
#保存cookie到文件
cookie.save(ignore_discard=true, ignore_expires=true)
加载保存的cookie,并进行网页访问
# -*- coding: utf-8 -*-
from urllib import request
from http import cookiejar
if __name__ == '__main__':
#设置保存cookie的文件的文件名,相对路径,也就是同级目录下
filename = 'cookie.txt'
#创建mozillacookiejar实例对象
cookie = cookiejar.mozillacookiejar()
#从文件中读取cookie内容到变量
cookie.load(filename, ignore_discard=true, ignore_expires=true)
#利用urllib.request库的httpcookieprocessor对象来创建cookie处理器,也就cookiehandler
handler=request.httpcookieprocessor(cookie)
#通过cookiehandler创建opener
opener = request.build_opener(handler)
#此用opener的open方法打开网页
response = opener.open('http://www.baidu.com')
#打印信息
print(response.read().decode('utf-8'))
这里对cookie的使用类似于,之前我们用到的对代理的使用。
加载cookie,实现网站的登录
# -*- coding: utf-8 -*-
from urllib import request
from urllib import error
from urllib import parse
from http import cookiejar
if __name__ == '__main__':
#登陆地址
login_url = 'http://www.jobbole.com/wp-admin/admin-ajax.php'
#user-agent信息
user_agent = r'mozilla/5.0 (windows nt 6.2; wow64) applewebkit/537.36 (khtml, like gecko) chrome/27.0.1453.94 safari/537.36'
#headers信息
head = {'user-agnet': user_agent, 'connection': 'keep-alive'}
#登陆form_data信息
login_data = {}
login_data['action'] = 'user_login'
login_data['redirect_url'] = 'http://www.jobbole.com/'
login_data['remember_me'] = '0' #是否一个月内自动登陆
login_data['user_login'] = '********' #改成你自己的用户名
login_data['user_pass'] = '********' #改成你自己的密码
#使用urlencode方法转换标准格式
logingpostdata = parse.urlencode(login_data).encode('utf-8')
#声明一个cookiejar对象实例来保存cookie
cookie = cookiejar.cookiejar()
#利用urllib.request库的httpcookieprocessor对象来创建cookie处理器,也就cookiehandler
cookie_support = request.httpcookieprocessor(cookie)
#通过cookiehandler创建opener
opener = request.build_opener(cookie_support)
#创建request对象
req1 = request.request(url=login_url, data=logingpostdata, headers=head)
#面向对象地址
date_url = 'http://date.jobbole.com/wp-admin/admin-ajax.php'
#面向对象
date_data = {}
date_data['action'] = 'get_date_contact'
date_data['postid'] = '4128'
#使用urlencode方法转换标准格式
datepostdata = parse.urlencode(date_data).encode('utf-8')
req2 = request.request(url=date_url, data=datepostdata, headers=head)
try:
#使用自己创建的opener的open方法
response1 = opener.open(req1)
response2 = opener.open(req2)
html = response2.read().decode('utf-8')
index = html.find('jb_contact_email')
#打印查询结果
print('联系邮箱:%s' % html[index+19:-2])
except error.urlerror as e:
if hasattr(e, 'code'):
print("httperror:%d" % e.code)
elif hasattr(e, 'reason'):
print("urlerror:%s" % e.reason)
以上就是本期讲的内容,另外如果你对这方面还不熟,刚学不久,建议先去小编的python交流.裙 :一久武其而而流一思(数字的谐音)转换下可以找到了,里面有最新python教程项目可拿,多跟里面的人交流,比自己摸索效率更高哦!
上一篇: css样式重置 移动端适配