python爬虫模块取cookie_【python网络爬虫】之五 requests模块的cookie和代理操作

最新推荐文章于 2024-05-27 08:52:59 发布

weixin_39672160

最新推荐文章于 2024-05-27 08:52:59 发布

阅读量96

点赞数

文章标签： python爬虫模块取cookie

一.基于requests模块的cookie操作

引言：有些时候，我们在使用爬虫程序去爬取一些用户相关信息的数据(爬取张三“人人网”个人主页数据)时，如果使用之前requests模块常规操作时，往往达不到我们想要的目的，例如：

#!/usr/bin/env python#-*- coding:utf-8 -*-

importrequestsif __name__ == "__main__":#张三人人网个人信息页面的url

url = 'http://www.renren.com/289676607/profile'

#伪装UA

headers={'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',

}#发送请求，获取响应对象

response = requests.get(url=url,headers=headers)#将响应内容写入文件

with open('./renren.html','w',encoding='utf-8') as fp:

fp.write(response.text)

- 结果发现，写入到文件中的数据，不是张三个人页面的数据，而是人人网登陆的首页面，why？首先我们来回顾下cookie的相关概念及作用：

- cookie概念：当用户通过浏览器首次访问一个域名时，访问的web服务器会给客户端发送数据，以保持web服务器与客户端之间的状态保持，这些数据就是cookie。

- cookie作用：我们在浏览器中，经常涉及到数据的交换，比如你登录邮箱，登录一个页面。我们经常会在此时设置30天内记住我，或者自动登录选项。那么它们是怎么记录信息的呢，答案就是今天的主角cookie了，Cookie是由HTTP服务器设置的，保存在浏览器中，但HTTP协议是一种无状态协议，在数据交换完毕后，服务器端和客户端的链接就会关闭，每次交换数据都需要建立新的链接。就像我们去超市买东西，没有积分卡的情况下，我们买完东西之后，超市没有我们的任何消费信息，但我们办了积分卡之后，超市就有了我们的消费信息。cookie就像是积分卡，可以保存积分，商品就是我们的信息，超市的系统就像服务器后台，http协议就是交易的过程。

- 经过cookie的相关介绍，其实你已经知道了为什么上述案例中爬取到的不是张三个人信息页，而是登录页面。那应该如何抓取到张三的个人信息页呢？

思路：

1.我们需要使用爬虫程序对人人网的登录时的请求进行一次抓取，获取请求中的cookie数据

2.在使用个人信息页的url进行请求时，该请求需要携带 1 中的cookie，只有携带了cookie后，服务器才可识别这次请求的用户信息，方可响应回指定的用户信息页数据

#!/usr/bin/env python#-*- coding:utf-8 -*-

importrequestsif __name__ == "__main__":#登录请求的url(通过抓包工具获取)

post_url = 'http://www.renren.com/ajaxLogin/login?1=1&uniqueTimestamp=201873958471'

#创建一个session对象，该对象会自动将请求中的cookie进行存储和携带

session =requests.session()#伪装UA

headers={'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',

}

formdata={'email': '17701256561','icode': '','origURL': 'http://www.renren.com/home','domain': 'renren.com','key_id': '1','captcha_type': 'web_login','password': '7b456e6c3eb6615b2e122a2942ef3845da1f91e3de075179079a3b84952508e4','rkey': '44fd96c219c593f3c9612360c80310a3','f': 'https%3A%2F%2Fwww.baidu.com%2Flink%3Furl%3Dm7m_NSUp5Ri_ZrK5eNIpn_dMs48UAcvT-N_kmysWgYW%26wd%3D%26eqid%3Dba95daf5000065ce000000035b120219',

}#使用session发送请求，目的是为了将session保存该次请求中的cookie

session.post(url=post_url,data=formdata,headers=headers)

get_url= 'http://www.renren.com/960481378/profile'

#再次使用session进行请求的发送，该次请求中已经携带了cookie

response = session.get(url=get_url,headers=headers)#设置响应内容的编码格式

response.encoding = 'utf-8'

#将响应内容写入文件

with open('./renren.html','w') as fp:

fp.write(response.text)

二.基于requests模块的代理操作

什么是代理

代理就是第三方代替本体处理相关事务。例如：生活中的代理：代购，中介，微商......