python学习(十八)爬虫中加入cookie

转载自：原文链接

前几篇文章介绍了urllib库基本使用和爬虫的简单应用，本文介绍如何通过post信息给网站，保存登陆后cookie，并用于请求有
权限的操作。保存cookie需要用到cookiejar类，可以输出cookie信息查看下

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import http.cookiejar import urllib.request #声明一个CookieJar对象实例来保存cookie cookie = http.cookiejar.CookieJar() #HTTPCookieProcessor对象来创建cookie处理器 handler = urllib.request.HTTPCookieProcessor(cookie) #通过handler来构建opener opener = urllib.request.build_opner(handler) #通过opner访问网址 response = opner.open('http://www.baidu.com') #访问cookie中的数据 for item in cookie: print('Name = '+ item.name) print('Value = '+ item.value)

 

1 通过http.cookiejar.CookieJar()创建一个cookiejar对象，用来保存上网留下的cookie。
2 为了处理cookie，需要创建cookie处理器，通过urllib.request.HTTPCookieProcessor(cookie)根据cookie
创建cookie处理器。
3 接下来根据cookie处理器，建立opener， urllib.request.build_opener(handler)创建opener
4 通过openr访问cookie中的数据

可以保存cookie，用于以后访问有权限的网页。下面将cookie写入文件

1 2 3 4 5 6 7 8 9 10 11 12

#定义文件名 filename = 'cookie.txt' #定义MozillaCookieJar对象保存cookie,并且cookie关联上filename文件 cookie = http.cookiejar.MozillaCookieJar(filename) #创建cookie处理器 handler = request.HTTPCookieProcessor(cookie) #通过handler构建opener opener = request.build_opener(handler) #利用opener请求网页 response = opener.open('http://www.baidu.com') #保存cookie到文件 cookie.save(ignore_discard = True, ignore_expires = True)

 

1 传入文件名，调用http.cookiejar.MozillaCookieJar创建cookie，
cookie和文件名绑定了。
2 根据cookie创建处理器, request.HTTPCookieProcessor创建handler
3 根据Cookie处理器创建opener
4 用opener访问网站，生成cookie
5 cookie.save保存到filename文件中，ignore_discard表示忽略是否过期，
及时被丢弃也保存。ignore_expires表示文件存在则覆盖写入。

对于保存好的cookie文件，可以提取并访问其他网页。

1 2 3 4 5 6 7 8 9 10 11 12

filename = 'cookie.txt' #创建MozillaCookieJar对象 cookie = http.cookiejar.MozillaCookieJar() #从文件中读取cookie内容到变量 cookie.load(filename, ignore_discard = True, ignore_expires = True) #生成cookie处理器 handler = request.HTTPCookieProcessor(cookie) #创建opener opener = request.build_opener(handler) #用opener打开网页 response = opener.open('http://www.baidu.com') print(response.read().decode('utf-8'))

1 用MozillaCookieJar创建cookie
2 调用cookie.load加载文件内容到cookie中
3 根据cookie创建HTTPCookieProcessor
4 根据handler创建opener
5 利用opener打开网页，返回response

下面综合应用上面的知识，用爬虫模拟登陆，然后获取有权限的网页和信息。
通过浏览器审查元素的方式可以查看访问网站的request和response，用fiddler更方便一些，用fidder监控浏览器
数据，然后模拟浏览器发送登录请求。
随便找一个需要登陆的网站
http://www.lesmao.cc/forum.php
找到登陆按钮，点击登陆，查看fiddler监控的数据。
可以在fiddler中看到这个request请求post数据给网站。

通过webform这一选项看到我们投递的消息

有些网页是需要登陆才能访问的，如
http://www.lesmao.cc/home.php?mod=space&do=notice&view=system

下面先模拟登陆，获取cookie，然后利用cookie访问个人信息网页。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57

if __name__ == '__main__': #登陆地址 login_url = 'http://www.lesmao.cc/member.php?mod=logging&action=login&referer=' #User-Agent信息 user_agent = r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0' #Headers信息 head = {'User-Agnet': user_agent, 'Connection': 'keep-alive'} #登陆Form_Data信息 Login_Data = {} Login_Data['formhash'] = '5ea0f6e4' Login_Data['referer'] = 'http://www.lesmao.cc/./' Login_Data['loginfield'] = 'username' Login_Data['username'] = 'second' Login_Data['password'] = '18301' Login_Data['loginsubmit'] = 'true' Login_Data['questionid'] = '0' Login_Data['answer'] = '' #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://www.lesmao.cc/home.php?mod=space&do=notice&view=system' req2 = request.Request(url=date_url, headers=head) try: #使用自己创建的opener的open方法 response1 = opener.open(req1) #print(response1.read().decode('utf-8')) print('.................................') response2 = opener.open(req2) html = response2.read().decode('utf-8') #打印查询结果 print(html) except error.URLError as e: if hasattr(e, 'code'): print("URLError:%d" % e.code) if hasattr(e, 'reason'): print("URLError:%s" % e.reason) except error.HTTPError as e: if hasattr(e, 'code'): print("URLError:%d" % e.code) if hasattr(e, 'reason'): print("URLError:%s" % e.reason) except Exception as e: print('Exception is : ', e)

 

打印出的html信息和登陆后点击的信息是一致的，所以用cookie登陆并访问其它权限网页成功了。
源码下载地址：
源码下载
我的公众号：