Python爬虫教程-12-爬虫使用cookie爬取登录后的页面(人人网)(上)
Python爬虫教程-12-爬虫使用cookie(上)
- 爬虫关于cookie和session,由于http协议无记忆性,比如说登录淘宝网站的浏览记录,下次打开是不能直接记忆下来的,后来就有了cookie和session机制
Python爬虫爬取登录后的页面
所以怎样让爬虫使用验证用户身份信息的cookie呢,换句话说,怎样在使用爬虫的时候爬取已经登录的页面呢,这就是本篇的重点
cookie和session介绍
- cookie是发给用户的(即http浏览器)的一段信息
- session是保存在服务器上的对应的另一半信息,用来记录记录用户信息
- cookie和session区别和联系:
- 1.存放位置不同:cookie保存在本地,session保存在服务器
- 2.cookie不安全
- 为什么不安全,因为cookie是保存在本地的,也就是说用户可以就本地找到后进行修改
- 所以一般用来存放用户身份信息,常用来识别用户身份,比如用户名+登录密码(站点也就不怕被修改了)
- 当我们关闭浏览器后,再次打开一些网站,不用再次登录,也正是因为使用了保存在本地浏览器的cookie
- 3.session会保存在服务器上有过期时间,cookie也有
- 4.单个cookie保存数据不超过4k,部分浏览器会限制一个站点最多保存20个
- 5.session保存在服务器
- 一般情况下,session是放在内存中或者数据库中
使用cookie登录的网站
例如人人网:
第一步:Chrome打开登录
第二步:拷贝Chrome登录后的地址,使用火狐浏览器打开
这可以看到报错302
原因就是火狐浏览器的cookie和Chrome保存的cookie不一样,站点判断用户身份改变,所以不允许登录,另一方面,也就说明我们使用 cookie 验证身份是成功的
主角登场-爬虫使用cookie
既然其他浏览器不能直接访问网站,我们的爬虫就更不能了,所以怎样让爬虫使用验证用户身份信息的cookie呢?马上揭晓:
编写爬虫代码
- 案例v12cookie2文件:https://xpwi.github.io/py/py爬虫/py12cookie2.py
- 想要未使用cookie的对照案例,可以直接下载:
案例v12cookie1文件:https://xpwi.github.io/py/py爬虫/py12cookie1.py
# 爬虫使用cookie
from urllib import request
if __name__ == '__main__':
url = "http://www.renren.com/967487029/profile"
headers = {
# Cookie值从登录后的浏览器,拷贝,方法文章上面有介绍
"Cookie": "anonymid=jkw22rj1lr18nw; depovince=GW; _r01_=1; JSESSIONID=abcUPkh_yMcQi56IB9avw; ick_login=79ce148f-80c5-4a79-ad1e-897e847d7f34; ick=d4c0f36e-a5b8-4063-b781-8a8474c4a289; t=07c15f420c005cec1ff760ee5370cfeb9; societyguester=07c15f420c005cec1ff760ee5370cfeb9; id=967487029; xnsid=bf077aca; XNESSESSIONID=6302ff129554; BAIDU_SSP_lcr=https://www.baidu.com/link?url=4ejhDX-FjIJI0Ma--EY03Dbwea0D_c1HhU7ExMXfUxO&wd=&eqid=c4ff527c00007cb4000000035b74fb58; wp_fold=0; jebe_key=d4adac05-f904-479c-bf00-a4b55d282a51%7C43e5f9c3c001a1d1846f8b82a462cefd%7C1534398658919%7C1; jebecookies=6031f512-d289-4dff-b1d6-aaa7849bd1ff|||||"
}
req = request.Request(url=url,headers=headers)
rsp = request.urlopen(req)
html = rsp.read().decode()
with open("rsp.html","w",encoding="utf-8")as f:
# 将爬取的页面
print(html)
f.write(html)
运行结果
现在我们可以在返回的html页面看到自己的登录信息了,也就说明cookie使用成功了
今天介绍的是手动拷贝cookie,后面会介绍如何自动的使用!
更多文章链接:Python 爬虫随笔
- 本笔记不允许任何个人和组织转载