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
1.Opener
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。
2.Cookielib
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
1)获取Cookie保存到变量
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 importcookielib4 importurllib25
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 incookie:16 print 'Name =' +i.name17 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 =BAIDUID2 Value = 6E0127B9536DE7EE8A68D8B5AE016CCA:FG=1
3 Name =BIDUPSID4 Value =6E0127B9536DE7EE8A68D8B5AE016CCA5 Name =H_PS_PSSID6 Value =1465_13550_21110_17001_21672_221587 Name =PSTM8 Value = 1491037392
9 Name =BDSVRTM10 Value =011 Name =BD_HOME12 Value = 0
2)保存Cookie到文件
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 importcookielib4 importurllib25
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
由此可见,ignore_discard的意思是即使cookies将被丢弃也将它保存下来,ignore_expires的意思是如果在该文件中cookies已经存在,则覆盖原文件写入,在这里,我们将这两个全部设置为True。运行之后,cookies将被保存到cookie.txt文件中,我们查看一下内容,附图如下
3)从文件中获取Cookie并访问
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 importurllib23 importcookielib4 #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。
4)利用cookie模拟网站登录
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 importurllib4 importurllib25 importcookielib6
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%3A%2F%2Fwww.cnblogs.com%2F'
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。