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
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。
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
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
- 1 #coding:UTF8
- 2
- 3 import cookielib
- 4 import urllib2
- 5
- 6 #声明一个CookieJar对象实例来保存cookie
- 7 cookie = cookielib.CookieJar()
- 8 #利用HTTPCookieProcessor对象创建cookie处理器
- 9 handle = urllib2.HTTPCookieProcessor(cookie)
- 10 #通过handle来构建opener
- 11 opener = urllib2.build_opener(handle)
- 12 #此open方法与urllib2的urlopen方法,可以传入request
- 13 response = opener.open('http://www.baidu.com')
- 14
- 15 for i in cookie:
- 16 print 'Name =' +i.name
- 17 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
- 1 Name =BAIDUID
- 2 Value = 6E0127B9536DE7EE8A68D8B5AE016CCA:FG=1
- 3 Name =BIDUPSID
- 4 Value = 6E0127B9536DE7EE8A68D8B5AE016CCA
- 5 Name =H_PS_PSSID
- 6 Value = 1465_13550_21110_17001_21672_22158
- 7 Name =PSTM
- 8 Value = 1491037392
- 9 Name =BDSVRTM
- 10 Value = 0
- 11 Name =BD_HOME
- 12 Value = 0
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
- 1 #coding:UTF8
- 2
- 3 import cookielib
- 4 import urllib2
- 5
- 6 #设置保存cookie文件,在同级目录下
- 7 file_name='cookie.txt'
- 8 #声明一个CookieJar对象实例来保存cookie
- 9 cookie = cookielib.MozillaCookieJar(file_name)
- 10 #利用HTTPCookieProcessor对象创建cookie处理器
- 11 handle = urllib2.HTTPCookieProcessor(cookie)
- 12 #通过handle来构建opener
- 13 opener = urllib2.build_opener(handle)
- 14 #此open方法与urllib2的urlopen方法,可以传入request
- 15 response = opener.open('http://www.baidu.com')
- 16
- 17 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
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
- 1 #coding:UTF8
- 2 import urllib2
- 3 import cookielib
- 4 #创建实例对象
- 5 cookie = cookielib.MozillaCookieJar()
- 6 #从文件中读取cookie内容到变量
- 7 cookie.load('cookie.txt', ignore_discard=True,ignore_expires=True)
- 8 #创建请求
- 9 request = urllib2.Request('http://www.baidu.com')
- 10 #利用build_opener方法创建一个opener
- 11 opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
- 12
- 13 req = opener.open(request)
- 14 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。
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!
- 1 #coding:UTF8
- 2
- 3 import urllib
- 4 import urllib2
- 5 import cookielib
- 6
- 7 file_name = 'cookie1.txt'
- 8 #声明一个MozillaCookieJar对象实例来保存cookie,之后写入文件
- 9 cookie = cookielib.MozillaCookieJar(file_name)
- 10 opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
- 11 data = urllib.urlencode({
- 12 'username':'username',
- 13 'pwd':'password',
- 14 })
- 15 #登录博客园的URL
- 16 login_url = 'https://passport.cnblogs.com/user/signin?ReturnUrl=http://www.cnblogs.com/'
- 17 #模拟登录,并把cookie保存到变量
- 18 result = opener.open(login_url,data)
- 19 #保存cookie到文件
- 20 cookie.save(ignore_discard=True, ignore_expires=True)
- 21 #利用cookie请求访问到另一网址
- 22 select_url='http://www.cnblogs.com/qianyuliang/p/6656580.html'
- 23 #请求访问
- 24 result = opener.open(select_url)
- 25 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。
来源: http://www.bubuko.com/infodetail-2004938.html