详解在python程序中使用cookie的教程

大家好哈,上一节我们研究了一下爬虫的异常处理问题,那么接下来我们一起来看一下cookie的使用。

为什么要使用cookie呢?

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,我们必须先介绍一个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

import urllib2
import cookielib
#声明一个cookiejar对象实例来保存cookie
cookie = cookielib.cookiejar()
#利用urllib2库的httpcookieprocessor对象来创建cookie处理器
handler=urllib2.httpcookieprocessor(cookie)
#通过handler来构建opener
opener = urllib2.build_opener(handler)
#此处的open方法同urllib2的urlopen方法,也可以传入request
response = opener.open(‘http://www.baidu.com’)
for item in cookie:
print ‘name = ‘+item.name
print ‘value = ‘+item.value

我们使用以上方法将cookie保存到变量中,然后打印出了cookie中的值,运行结果如下

name = baiduid
value = b07b663b645729f11f659c02aae65b4c:fg=1
name = baidupsid
value = b07b663b645729f11f659c02aae65b4c
name = h_ps_pssid
value = 12527_11076_1438_10633
name = bdsvrtm
value = 0
name = bd_home
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

import cookielib
import urllib2
#设置保存cookie的文件,同级目录下的cookie.txt
filename = ‘cookie.txt’
#声明一个mozillacookiejar对象实例来保存cookie,之后写入文件
cookie = cookielib.mozillacookiejar(filename)
#利用urllib2库的httpcookieprocessor对象来创建cookie处理器
handler = urllib2.httpcookieprocessor(cookie)
#通过handler来构建opener
opener = urllib2.build_opener(handler)
#创建一个请求,原理同urllib2的urlopen
response = opener.open(“http://www.baidu.com”)
#保存cookie到文件
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:

ignore_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

import cookielib
import urllib2
#创建mozillacookiejar实例对象
cookie = cookielib.mozillacookiejar()
#从文件中读取cookie内容到变量
cookie.load(‘cookie.txt’, ignore_discard=true, ignore_expires=true)
#创建请求的request
req = urllib2.request(“http://www.baidu.com”)
#利用urllib2的build_opener方法创建一个opener
opener = urllib2.build_opener(urllib2.httpcookieprocessor(cookie))
response = opener.open(req)
print response.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

下面我们以我们学校的教育系统为例,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!

注意:密码我改了啊,别偷偷登录本宫的选课系统 o(╯□╰)o

import urllib
import urllib2
import cookielib
filename = ‘cookie.txt’
#声明一个mozillacookiejar对象实例来保存cookie,之后写入文件
cookie = cookielib.mozillacookiejar(filename)
opener = urllib2.build_opener(urllib2.httpcookieprocessor(cookie))
postdata = urllib.urlencode({
‘stuid’:’201200131012′,
‘pwd’:’23342321′
})
#登录教务系统的url
loginurl = ‘http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bks_login2.login’
#模拟登录,并把cookie保存到变量
result = opener.open(loginurl,postdata)
#保存cookie到cookie.txt中
cookie.save(ignore_discard=true, ignore_expires=true)
#利用cookie请求访问另一个网址,此网址是成绩查询网址
gradeurl = ‘http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bkscjcx.curscopre’
#请求访问成绩查询网址
result = opener.open(gradeurl)
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。

如登录之后才能查看的成绩查询呀,本学期课表呀等等网址,模拟登录就这么实现啦,是不是很酷炫?

Posted in 未分类