Python爬虫 Cookie的使用

2023-08-10 17:27:22

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，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

 #coding:UTF8

 import cookielib

 import urllib2

 #声明一个CookieJar对象实例来保存cookie

 cookie = cookielib.CookieJar()

 #利用HTTPCookieProcessor对象创建cookie处理器

 handle = urllib2.HTTPCookieProcessor(cookie)

 #通过handle来构建opener

 opener = urllib2.build_opener(handle)

 #此open方法与urllib2的urlopen方法，可以传入request

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

 for i in cookie:

     print 'Name =' +i.name

     print 'Value = ' + i.value

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 = 6E0127B9536DE7EE8A68D8B5AE016CCA:FG=1

 Name =BIDUPSID

 Value = 6E0127B9536DE7EE8A68D8B5AE016CCA

 Name =H_PS_PSSID

 Value = 1465_13550_21110_17001_21672_22158

 Name =PSTM

 Value = 1491037392

 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

 #coding:UTF8

 import cookielib

 import urllib2

 #设置保存cookie文件，在同级目录下

 file_name='cookie.txt'

 #声明一个CookieJar对象实例来保存cookie

 cookie = cookielib.MozillaCookieJar(file_name)

 #利用HTTPCookieProcessor对象创建cookie处理器

 handle = urllib2.HTTPCookieProcessor(cookie)

 #通过handle来构建opener

 opener = urllib2.build_opener(handle)

 #此open方法与urllib2的urlopen方法，可以传入request

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

 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：

gnore_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

 #coding:UTF8

 import urllib2

 import cookielib

 #创建实例对象

 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

 request = urllib2.Request('http://www.baidu.com')

 #利用build_opener方法创建一个opener

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

 req = opener.open(request)

 print req.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

下面以本人博客园为例(账号密码都是假的哟，不信可以试试滴)，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！

 #coding:UTF8

 import urllib

 import urllib2

 import cookielib

 file_name = 'cookie1.txt'

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

 cookie = cookielib.MozillaCookieJar(file_name)

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

 data = urllib.urlencode({

     'username':'username',

     'pwd':'password',

     })

 #登录博客园的URL

 login_url = 'https://passport.cnblogs.com/user/signin?ReturnUrl=http%3A%2F%2Fwww.cnblogs.com%2F'

 #模拟登录，并把cookie保存到变量

 result = opener.open(login_url,data)

 #保存cookie到文件

 cookie.save(ignore_discard=True, ignore_expires=True)

 #利用cookie请求访问到另一网址

 select_url='http://www.cnblogs.com/qianyuliang/p/6656580.html'

 #请求访问

 result = opener.open(select_url)

 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。

码农公寓