python爬蟲使用cookie登錄詳解

更新時(shí)間：2017年12月27日 14:22:47 作者：__擱淺

這篇文章主要介紹了python爬蟲使用cookie登錄詳解，具有一定借鑒價(jià)值,需要的朋友可以參考下

前言：

什么是cookie?

Cookie，指某些網(wǎng)站為了辨別用戶身份、進(jìn)行session跟蹤而儲(chǔ)存在用戶本地終端上的數(shù)據(jù)（通常經(jīng)過加密）。

比如說有些網(wǎng)站需要登錄后才能訪問某個(gè)頁面，在登錄之前，你想抓取某個(gè)頁面內(nèi)容是不允許的。那么我們可以利用Urllib庫保存我們登錄的Cookie，然后再抓取其他頁面,這樣就達(dá)到了我們的目的。

一、Urllib庫簡介

Urllib是python內(nèi)置的HTTP請(qǐng)求庫，官方地址：https://docs.python.org/3/library/urllib.html

包括以下模塊：

>>>urllib.request請(qǐng)求模塊

>>>urllib.error異常處理模塊

>>>urllib.parseurl解析模塊

>>>urllib.robotparserrobots.txt解析模塊

二、urllib.request.urlopen介紹

uurlopen一般常用的有三個(gè)參數(shù)，它的參數(shù)如下：

urllib.requeset.urlopen(url,data,timeout)

簡單的例子：

1、url參數(shù)的使用（請(qǐng)求的URL）

response=urllib.request.urlopen('http://www.baidu.com')

2、data參數(shù)的使用（以post請(qǐng)求方式請(qǐng)求）

data=bytes(urllib.parse.urlencode({'word':'hello'}),encoding='utf8')

response=urllib.request.urlopen('http://www.baidu.com/post',data=data)

3、timeout參數(shù)的使用（請(qǐng)求設(shè)置一個(gè)超時(shí)時(shí)間，而不是讓程序一直在等待結(jié)果）

response=urllib.request.urlopen('http://www.baidu.com/get',timeout=4)

三、構(gòu)造Requset

1、數(shù)據(jù)傳送POST和GET（舉例說明：此處列舉登錄的請(qǐng)求，定義一個(gè)字典為values，參數(shù)為：email和password，然后利用urllib.parse.urlencode方法將字典編碼，命名為data，構(gòu)建request時(shí)傳入兩個(gè)參數(shù)：url、data。運(yùn)行程序，即可實(shí)現(xiàn)登陸。）

GET方式：直接以鏈接形式訪問，鏈接中包含了所有的參數(shù)。

LOGIN_URL="http://fr*****.aflt.kiwisns.com/postLogin/"

values={'email':'*******@user.com','password':'123456'}

data=urllib.parse.urlencode(values).encode()

geturl=LOGIN_URL+"?"+data

request=urllib.request.Request(geturl)

POST方式：上面說的data參數(shù)就是用在這里的，我們傳送的數(shù)據(jù)就是這個(gè)參數(shù)data。

LOGIN_URL='http://fr*****.aflt.kiwisns.com/postLogin/'

values={'email':'*******@user.com','password':'123456'}

data=urllib.parse.urlencode(values).encode()

request=urllib.request.Request(URL,data)

2、設(shè)置Headers（有些網(wǎng)站不會(huì)同意程序直接用上面的方式進(jìn)行訪問，如果識(shí)別有問題，那么站點(diǎn)根本不會(huì)響應(yīng)，所以為了完全模擬瀏覽器的工作，我們需要設(shè)置一些Headers的屬性）

fiddler抓包請(qǐng)求-headers

上圖可以看到該請(qǐng)求的headers，這個(gè)頭中包含了許多信息：Cache、Client、Transport等等。其中，agent就是請(qǐng)求的身份，如果沒有寫入請(qǐng)求身份，那么服務(wù)器不一定會(huì)響應(yīng)，所以可以在headers中設(shè)置agent。

舉例：（這個(gè)例子只是說明了怎樣設(shè)置headers）

user_agent=r'Mozilla/5.0(WindowsNT6.1;Win64;x64;rv:55.0)Gecko/20100101Firefox/55.0'

headers={'User-Agent':user_agent,'Connection':'keep-alive'}

request=urllib.request.Request(URL,data,headers)

四、使用cookie登錄

1、獲取登錄網(wǎng)址

瀏覽器輸入需要登錄的網(wǎng)址：'http://fr*****.aflt.kiwisns.com/login'（注意：這個(gè)并非其真實(shí)站點(diǎn)登錄網(wǎng)址），使用抓包工具fiddler抓包（其他工具也可）找到登錄后看到的request。

此處確定需要登錄的網(wǎng)址為：'http://fr*****.aflt.kiwisns.com/postLogin/'