網(wǎng)頁爬蟲之cookie自動獲取及過期自動更新的實現(xiàn)方法

更新時間：2018年03月06日 10:56:42 作者：smile_milk1992

這篇文章主要介紹了網(wǎng)頁爬蟲之cookie自動獲取及過期自動更新的實現(xiàn)方法,需要的朋友可以參考下

本文實現(xiàn)cookie的自動獲取，及cookie過期自動更新。

社交網(wǎng)站中的很多信息需要登錄才能獲取到，以微博為例，不登錄賬號，只能看到大V的前十條微博。保持登錄狀態(tài)，必須要用到Cookie。以登錄www.weibo.cn 為例：

在chrome中輸入：http://login.weibo.cn/login/

分析控制臺的Headers的請求返回，會看到weibo.cn有幾組返回的cookie。

實現(xiàn)步驟：

1，采用selenium自動登錄獲取cookie，保存到文件;

2，讀取cookie，比較cookie的有效期，若過期則再次執(zhí)行步驟1；

3，在請求其他網(wǎng)頁時，填入cookie，實現(xiàn)登錄狀態(tài)的保持。

1，在線獲取cookie

采用selenium + PhantomJS 模擬瀏覽器登錄，獲取cookie；

cookies一般會有多個，逐個將cookie存入以.weibo后綴的文件。

def get_cookie_from_network():
 from selenium import webdriver
 url_login = 'http://login.weibo.cn/login/' 
 driver = webdriver.PhantomJS()
 driver.get(url_login)
 driver.find_element_by_xpath('//input[@type="text"]').send_keys('your_weibo_accout') # 改成你的微博賬號
 driver.find_element_by_xpath('//input[@type="password"]').send_keys('your_weibo_password') # 改成你的微博密碼
 driver.find_element_by_xpath('//input[@type="submit"]').click() # 點擊登錄
 # 獲得 cookie信息
 cookie_list = driver.get_cookies()
 print cookie_list
 cookie_dict = {}
 for cookie in cookie_list:
  #寫入文件
  f = open(cookie['name']+'.weibo','w')
  pickle.dump(cookie, f)
  f.close()
  if cookie.has_key('name') and cookie.has_key('value'):
   cookie_dict[cookie['name']] = cookie['value']
 return cookie_dict

2，從文件中獲取cookie

從當前目錄中遍歷以.weibo結尾的文件，即cookie文件。采用pickle解包成dict，比較expiry值與當前時間，若過期則返回為空；

def get_cookie_from_cache():
 cookie_dict = {}
 for parent, dirnames, filenames in os.walk('./'):
  for filename in filenames:
   if filename.endswith('.weibo'):
    print filename
    with open(self.dir_temp + filename, 'r') as f:
     d = pickle.load(f)
     if d.has_key('name') and d.has_key('value') and d.has_key('expiry'):
      expiry_date = int(d['expiry'])
      if expiry_date > (int)(time.time()):
       cookie_dict[d['name']] = d['value']
      else:
       return {}
 return cookie_dict

3，若緩存cookie過期，則再次從網(wǎng)絡獲取cookie

def get_cookie():
 cookie_dict = get_cookie_from_cache()
 if not cookie_dict:
  cookie_dict = get_cookie_from_network()
 return cookie_dict

4，帶cookie請求微博其他主頁

def get_weibo_list(self, user_id):
 import requests
 from bs4 import BeautifulSoup as bs
 cookdic = get_cookie()
 url = 'http://weibo.cn/stocknews88' 
 headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.57 Safari/537.36'}
 timeout = 5
 r = requests.get(url, headers=headers, cookies=cookdic,timeout=timeout)
 soup = bs(r.text, 'lxml')
 ...
 # 用BeautifulSoup 解析網(wǎng)頁
 ...

總結

以上所述是小編給大家介紹的網(wǎng)頁爬蟲之cookie自動獲取及過期自動更新的實現(xiàn)方法，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！

您可能感興趣的文章: