Python爬虫之cookie的获取、保存和使用【新手必学】

前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者：huhanghao

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，登陆前与登陆后是不同的，或者不允许的。另外如果你刚学不久。对这方面还不熟，建议先去小编的Python交流.裙 ：一久武其而而流一思（数字的谐音）转换下可以找到了，里面有最新Python教程项目可拿,多跟里面的人交流，比自己摸索效率更高哦！

在python中它为我们提供了cookiejar模块，它位于http包中，用于对Cookie的支持。通过它我们能捕获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。

## cookie的获取

# -*- coding: UTF-8 -*-
from urllib import request
from http import cookiejar
?
if __name__ == ‘__main__‘:
   #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
   handler=request.HTTPCookieProcessor(cookie)
   #通过CookieHandler创建opener
   opener = request.build_opener(handler)
   #此处的open方法打开网页
   response = opener.open(‘http://www.baidu.com‘)
   #打印cookie信息
   for item in cookie:
       print(‘Name = %s‘ % item.name)
       print(‘Value = %s‘ % item.value)
?
cookie的文件保存
# -*- coding: UTF-8 -*-
from urllib import request
from http import cookiejar
?
if __name__ == ‘__main__‘:
?
   #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 = cookiejar.MozillaCookieJar(filename)
   #利用urllib.request库的HTTPCookieProcessor对象来创建cookie处理器,也就CookieHandler
   handler=request.HTTPCookieProcessor(cookie)
   #通过CookieHandler创建opener
   opener = request.build_opener(handler)
   #此处的open方法打开网页
   response = opener.open(‘http://www.baidu.com‘)
   #保存cookie到文件
   cookie.save(ignore_discard=True, ignore_expires=True)
?

加载保存的cookie，并进行网页访问
# -*- coding: UTF-8 -*-
from urllib import request
from http import cookiejar
?
if __name__ == ‘__main__‘:
   #设置保存cookie的文件的文件名,相对路径,也就是同级目录下
   filename = ‘cookie.txt‘
   #创建MozillaCookieJar实例对象
   cookie = cookiejar.MozillaCookieJar()
   #从文件中读取cookie内容到变量
   cookie.load(filename, ignore_discard=True, ignore_expires=True)
   #利用urllib.request库的HTTPCookieProcessor对象来创建cookie处理器,也就CookieHandler
   handler=request.HTTPCookieProcessor(cookie)
   #通过CookieHandler创建opener
   opener = request.build_opener(handler)
   #此用opener的open方法打开网页
   response = opener.open(‘http://www.baidu.com‘)
   #打印信息
   print(response.read().decode(‘utf-8‘))
这里对cookie的使用类似于，之前我们用到的对代理的使用。

加载cookie，实现网站的登录
# -*- coding: UTF-8 -*-
from urllib import request
from urllib import error
from urllib import parse
from http import cookiejar
?
if __name__ == ‘__main__‘:
   #登陆地址
   login_url = ‘http://www.jobbole.com/wp-admin/admin-ajax.php‘    
   #User-Agent信息                  
   user_agent = r‘Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.94 Safari/537.36‘
   #Headers信息
   head = {‘User-Agnet‘: user_agent, ‘Connection‘: ‘keep-alive‘}
   #登陆Form_Data信息
   Login_Data = {}
   Login_Data[‘action‘] = ‘user_login‘
   Login_Data[‘redirect_url‘] = ‘http://www.jobbole.com/‘
   Login_Data[‘remember_me‘] = ‘0‘         #是否一个月内自动登陆
   Login_Data[‘user_login‘] = ‘********‘       #改成你自己的用户名
   Login_Data[‘user_pass‘] = ‘********‘        #改成你自己的密码
   #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://date.jobbole.com/wp-admin/admin-ajax.php‘
   #面向对象
   Date_Data = {}
   Date_Data[‘action‘] = ‘get_date_contact‘
   Date_Data[‘postId‘] = ‘4128‘
   #使用urlencode方法转换标准格式
   datepostdata = parse.urlencode(Date_Data).encode(‘utf-8‘)
   req2 = request.Request(url=date_url, data=datepostdata, headers=head)
   try:
       #使用自己创建的opener的open方法
       response1 = opener.open(req1)
       response2 = opener.open(req2)
       html = response2.read().decode(‘utf-8‘)
       index = html.find(‘jb_contact_email‘)
       #打印查询结果
       print(‘联系邮箱:%s‘ % html[index+19:-2])
?
   except error.URLError as e:
       if hasattr(e, ‘code‘):
           print("HTTPError:%d" % e.code)
       elif hasattr(e, ‘reason‘):
           print("URLError:%s" % e.reason)
?以上就是本期讲的内容，另外如果你对这方面还不熟，刚学不久，建议先去小编的Python交流.裙 ：一久武其而而流一思（数字的谐音）转换下可以找到了，里面有最新Python教程项目可拿,多跟里面的人交流，比自己摸索效率更高哦！