Python爬蟲利用cookie實現(xiàn)模擬登陸實例詳解
Cookie,指某些網(wǎng)站為了辨別用戶身份、進行session跟蹤而儲存在用戶本地終端上的數(shù)據(jù)(通常經(jīng)過加密)。
舉個例子,某些網(wǎng)站是需要登錄后才能得到你想要的信息的,不登陸只能是游客模式,那么我們可以利用Urllib2庫保存我們以前登錄過的Cookie,之后載入cookie獲取我們想要的頁面,然后再進行抓取。理解cookie主要是為我們快捷模擬登錄抓取目標網(wǎng)頁做出準備。
我之前的帖子中使用過urlopen()這個函數(shù)來打開網(wǎng)頁進行抓取,這僅僅只是一個簡單的Python網(wǎng)頁打開器,其參數(shù)也僅有urlopen(url,data,timeout),這三個參數(shù)對于我們獲取目標網(wǎng)頁的cookie是遠遠不夠的。這時候我們就要利用到另外一種Opener——CookieJar。
cookielib也是Python進行爬蟲的一個重要模塊,他能與urllib2相互結(jié)合一起爬取想要的內(nèi)容。該模塊的CookieJar類的對象可以捕獲cookie并在后續(xù)連接請求時重新發(fā)送,這樣就可以實現(xiàn)我們所需要的模擬登錄功能。
這里特別說明一下,cookielib是在py2.7中自帶的模塊,無需重新安裝,想要查看其自帶模塊可以查看Python目錄下的Lib文件夾,里面有所有安裝的模塊。我一開始沒想起來,在pycharm中竟然沒有搜到cookielib,使用了快捷安裝也報錯:Couldn't find index page for 'Cookielib' (maybe misspelled?)

之后才想起來是不是自帶的就有,沒想到去lib文件夾一看還真有,白白浪費半個小時各種瞎折騰~~
下面我們就來介紹一下這個模塊,該模塊主要的對象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。
它們的關(guān)系:CookieJar —-派生—->FileCookieJar —-派生—–>MozillaCookieJar和LWPCookieJar 主要用法,我們下面也會講到。urllib2.urlopen()函數(shù)不支持驗證、cookie或者其它HTTP高級功能。要支持這些功能,必須使用build_opener()(可以用于讓python程序模擬瀏覽器進行訪問,作用你懂得~)函數(shù)創(chuàng)建自定義Opener對象。
1、首先我們就來獲取一下網(wǎng)站的cookie
例子:
#coding=utf-8
import cookielib
import urllib2
mycookie = cookielib.CookieJar() #聲明一個CookieJar的類對象保存cookie(注意CookieJar的大小寫問題)
handler = urllib2.HTTPCookieProcessor(mycookie) #利用urllib2庫中的HTTPCookieProcessor來聲明一個處理cookie的處理器
opener = urllib2.build_opener(handler) #利用handler來構(gòu)造opener,opener的用法和urlopen()類似
response = opener.open("http://www.baidu.com") #opener返回的一個應(yīng)答對象response
for item in my.cookie:
print"name="+item.name
print"value="+item.value
結(jié)果:
name=BAIDUID value=73BD718962A6EA0DAD4CB9578A08FDD0:FG=1 name=BIDUPSID value=73BD718962A6EA0DAD4CB9578A08FDD0 name=H_PS_PSSID value=1450_19035_21122_17001_21454_21409_21394_21377_21526_21189_21398 name=PSTM value=1478834132 name=BDSVRTM value=0 name=BD_HOME value=0
這樣我們就得到了一個最簡單的cookie。
2、將cookie保存到文件
上面我們得到了cookie,下面我們學(xué)習如何保存cookie。在這里我們使用它的子類MozillaCookieJar來實現(xiàn)Cookie的保存
例子:
#coding=utf-8
import cookielib
import urllib2
mycookie = cookielib.MozillaCookieJar() #聲明一個MozillaCookieJar的類對象保存cookie(注意MozillaCookieJar的大小寫問題)
handler = urllib2.HTTPCookieProcessor(mycookie) #利用urllib2庫中的HTTPCookieProcessor來聲明一個處理cookie的處理器
opener = urllib2.build_opener(handler) #利用handler來構(gòu)造opener,opener的用法和urlopen()類似
response = opener.open("http://www.baidu.com") #opener返回的一個應(yīng)答對象response
for item in mycookie:
print"name="+item.name
print"value="+item.value
filename='mycookie.txt'#設(shè)定保存的文件名
mycookie.save(filename,ignore_discard=True, ignore_expires=True)
將上面的例子簡單變形就可以得到本例,使用了CookieJar的子類MozillaCookiJar,為什么呢?我們將MozillaCookiJar換成CookieJar試試,下面一張圖你就能明白:

CookieJar是沒有保存save屬性的~
save()這個方法中:ignore_discard的意思是即使cookies將被丟棄也將它保存下來,ignore_expires的意思是如果在該文件中cookies已經(jīng)存在,則覆蓋原文件寫入,在這里,我們將這兩個全部設(shè)置為True。運行之后,cookies將被保存到cookie.txt文件中,我們查看一下內(nèi)容:

這樣我們就成功保存了我們想要的cookie
3、從文件中獲取cookie并訪問
<pre style="background-color: rgb(255, 255, 255); font-family: 宋體; font-size: 9pt;"><pre name="code" class="python">#coding=utf-8
import urllib2
import cookielib
import urllib
#第一步先給出賬戶密碼網(wǎng)址準備模擬登錄
postdata = urllib.urlencode({
'stuid': '1605122162',
'pwd': 'xxxxxxxxx'#密碼這里就不泄漏啦,嘿嘿嘿
})
loginUrl = 'http://ids.xidian.edu.cn/authserver/login?service=http%3A%2F%2Fjwxt.xidian.edu.cn%2Fcaslogin.jsp'# 登錄教務(wù)系統(tǒng)的URL,成績查詢網(wǎng)址
# 第二步模擬登陸并保存登錄的cookie
filename = 'cookie.txt' #創(chuàng)建文本保存cookie
mycookie = cookielib.MozillaCookieJar(filename) # 聲明一個MozillaCookieJar對象實例來保存cookie,之后寫入文件
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(mycookie)) #定義這個opener,對象是cookie
result = opener.open(loginUrl, postdata)
mycookie.save(ignore_discard=True, ignore_expires=True)# 保存cookie到cookie.txt中
# 第三步利用cookie請求訪問另一個網(wǎng)址,教務(wù)系統(tǒng)總址
gradeUrl = 'http://ids.xidian.edu.cn/authserver/login?service' #只要是帳號密碼一樣的網(wǎng)址就可以, 請求訪問成績查詢網(wǎng)址
result = opener.open(gradeUrl)
print result.read()</pre><br>
<pre></pre>
<pre></pre>
<p></p>
<pre></pre>
<pre></pre>
創(chuàng)建一個帶有cookie的opener,在訪問登錄的URL時,將登錄后的cookie保存下來,然后利用這個cookie來訪問其他網(wǎng)址。
<p></p>
<p><br>
</p>
<p>核心思想:創(chuàng)建opener,包含了cookie的內(nèi)容。之后在利用opener時,就會自動使用原先保存的cookie.<br>
<br>
</p>
</pre>
感謝閱讀,希望能幫助到大家,謝謝大家對本站的支持!
相關(guān)文章
對python中Json與object轉(zhuǎn)化的方法詳解
今天小編就為大家分享一篇對python中Json與object轉(zhuǎn)化的方法詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
在Python中利用Into包整潔地進行數(shù)據(jù)遷移的教程
這篇文章主要介紹了在Python中如何利用Into包整潔地進行數(shù)據(jù)遷移,在數(shù)據(jù)格式的任意兩個格式之間高效地遷移數(shù)據(jù),需要的朋友可以參考下2015-03-03
TensorFlow Saver:保存和讀取模型參數(shù).ckpt實例
今天小編就為大家分享一篇TensorFlow Saver:保存和讀取模型參數(shù).ckpt實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
python星號(*)和雙星號(**)?函數(shù)動態(tài)參數(shù)匹配及解包操作方法
這篇文章主要介紹了python星號(*)和雙星號(**)?函數(shù)動態(tài)參數(shù)匹配及解包操作,本文給大家介紹的非常詳細,對大家的學(xué)習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2023-03-03

