爬虫之cookiejar模块

Posted 2020-11-04 while True:just do it

简介

有时候我们需要爬一些需要登录才能进入网页，这个时候就要用到cookie相关的一些模块来操作了

内置的http包里包含了cookie相关的一些模块，通过她们我们可以自动使用cookie

• CookieJar
  • 管理储存cookie，像传出的http请求添加cookie
  • cookie存储在内存中，CookieJar示例回收后cookie将自动消失
• FileCookieJar
  • 是CookieJar的字类
  • cookie保存在文件中
• MozillaCookiejar
  • 是FileCookieJar的子类
  • 与moccilla浏览器兼容
• LwpCookieJar
  • 是FileCookieJar的子类
  • 与libwww-perl标准兼容

 

案例

访问登录后的人人网主页

from urllib import request,parse
from http import cookiejar

# 创建cookiejar实例对象
cookie = cookiejar.CookieJar()

# 根据创建的cookie生成cookie的管理器
cookie_handle = request.HTTPCookieProcessor(cookie)

# 创建http请求管理器
http_handle = request.HTTPHandler()

# 创建https管理器
https_handle = request.HTTPSHandler()

# 创建求求管理器，将上面3个管理器作为参数属性
# 有了opener，就可以替代urlopen来获取请求了
opener =  request.build_opener(cookie_handle,http_handle,https_handle)

def login():
    ‘‘‘
    负责初次登录
    需要传递用户名和密码，来获取登录的cookie凭证
    ‘‘‘
    # 登录url，需要从登录form的action属性中获取
    url = ‘http://www.renren.com/PLogin.do‘

    # 登录所需要的数据，数据为字典形式，
    # 此键值需要从form扁担中对应的input的name属性中获取
    data = {
        ‘email‘:‘[email protected]‘,
        ‘password‘:‘123456‘
    }

    # 将数据解析成urlencode格式
    data = parse.urlencode(data)

    req = request.Request(url,data=data)

    # 正常是用request.urlopen(),这里用opener.open()发起请求
    response = opener.open(req)


def getHomePage():
    ‘‘‘
    获取登录后的页面
    ‘‘‘

    # 此url是登录后的链接地址
    url = ‘http://www.renren.com/965187997/profile‘

    # 如果已经执行了上面的login函数，
    # 那么此时的opener已经是包含了cookie信息的一个opener对象
    res = opener.open(url)

    html = res.read().decode()

    with open(‘renren.html‘,‘w‘) as f:
        f.write(html)


if __name__ == ‘__main__‘:
    ‘‘‘
    依次执行上面两个函数
    ‘‘‘
    login()
    getHomePage()