01# -*- coding: utf-8 -*-
02# !/usr/bin/python
03
04import urllib2
05import urllib
06import cookielib
07import re
08
09auth_url = 'http://www.nowamagic.net/'
10home_url = 'http://www.nowamagic.net/'
11# 登陆用户名和密码
12data={
13"username":"nowamagic",
14"password":"pass"
15}
16# urllib进行编码
17post_data=urllib.urlencode(data)
18# 发送头信息行汪
19headers ={
20"Host":"www.nowamagic.net",
21"Referer": "http://www.nowamagic.net"
22}
23# 初始化一个CookieJar来处理Cookie
24cookieJar=cookielib.CookieJar()
25# 实例化一个全局opener
26opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cookieJar))
27# 获取cookie
28req=urllib2.Request(auth_url,post_data,headers)
29result = opener.open(req)
30# 访问主页 自动带着cookie信息
31result = opener.open(home_url)
32# 显示结果
33print result.read()
再附带几个示例程序：
1. 使用已有的cookie访问网站
01import cookielib, urllib2
02
03ckjar = cookielib.MozillaCookieJar(os.path.join('C:\Documents and Settings\tom\Application Data\Mozilla\Firefox\Profiles\h5m61j1i.default', 'cookies.txt'))
04
05req = urllib2.Request(url, postdata, header)
06
07req.add_header('燃孝User-Agent', \
08'Mozilla/4.0 (compatibleMSIE 6.0Windows NT 5.1)')
09
10opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(ckjar) )
11
12f = opener.open(req)
13htm = f.read()
14f.close()
2. 访问网站获得cookie，并把获得的cookie保存在cookie文件中
01import cookielib, urllib2
02
03req = urllib2.Request(url, postdata, header)
04req.add_header('User-Agent', \
05'Mozilla/4.0 (compatibleMSIE 6.0Windows NT 5.1)')
06
07ckjar = cookielib.MozillaCookieJar(filename)
08ckproc = urllib2.HTTPCookieProcessor(ckjar)
09
10opener = urllib2.build_opener(ckproc)
11
12f = opener.open(req)
13htm = f.read()
14f.close()
15
16ckjar.save(ignore_discard=True, ignore_expires=True)
3. 使用指定的参数生成cookie,并用这个cookie访问网站
01import cookielib, urllib2
02
03cookiejar = cookielib.CookieJar()
04urlOpener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookiejar))
05values = {'redirect':", 'email':'abc@abc.com',
06 'password':'password', 'rememberme':", 'submit':'OK, Let Me In!'}
07data = urllib.urlencode(values)
08
09request = urllib2.Request(url, data)
10url = urlOpener.open(request)
11print url.info()
12page = url.read()
13
14request = urllib2.Request(url)
15url = urlOpener.open(request)
16page = url.read()
17print page
运行平台：Windows
Python版本：Python3.x
IDE：Sublime text3
一、为什么要使用Cookie
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。
使用Cookie和使用代理IP一样，也需要创建一个自己的opener。在HTTP包中，提供了cookiejar模块，用于提供对Cookie的支持。
http.cookiejar功能强大，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
工作原理：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。查看登录之后才能看到的信息。
同样，我们以实例进行讲解，爬取伯乐在线的面向对象的漂亮MM的邮箱联系方式。
二、实战
1.背景介绍
在伯乐在线有这么一个有趣的模块，面向对象，它说白了就是提供了一个程序员(媛)网上相亲的平台。
URL:
它的样子是这样的：
可以看到，这里有很多的相亲贴，随便点进去就会有网上相亲MM的详细信息，想获取MM的联系方式，需要积分，积分可以通过签到的方式获取。如果没有登陆账户，虚袭获取联系方式的地方是这个样子的：
如果登陆了账号，获取联系方式的地方是这个样子的：
想要爬取MM的联系邮箱，就需要用到我们本次讲到的知识，Cookie的使用。当然，首先你积分也得够。
在讲解之前，推荐一款抓包工具–Fiddler，可以在Google Chrome的Google商店下载这个插件，它的样子是这样的：
可以团信看到，通过这个插件，我们可以很容易找到Post的Form Data等信息，很方便，当然也可以用之前讲得浏览器审查元素的方式查看这些信息。
2.过程分析
在伯乐在线首页点击登陆的按钮，Fiddler的抓包内容如下：
从上图可以看出，真正请求的url是
Form Data的内容记住，这些是我们编程需要用到的。user_login是用户名，user_pass是用户密码。
在点击取得联系邮箱按钮的时候，Fiddler的抓包内容如下：
从上图可以看出，此刻真正请求的url是
同样Form Data中内容要记下来。postId是每个帖子的id。例如，打开一个相亲贴，它的URL是28/，那么它的这个postId就是4128。为了简化程序，这里就不讲解如何自动获取这个postId了，本实例直接指定postId。如果想要自动获取，可以使用beautifulsoup解析/返回的信息。beautifulsoup的使用。有机会的话，会在后面的爬虫笔记中进行讲解。
3.测试
1)将Cookie保存到变量中
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：
# -*- coding: UTF-8 -*-from urllib import requestfrom http import cookiejarif __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方法打开塌誉轮网页
response = opener.open('httdu.com') #打印cookie信息
for item in cookie:
print('Name = %s' % item.name)
print('Value = %s' % item.value)1234567891011121314151617
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:
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？方便以后直接读取文件使用，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，编写代码如下：
# -*- coding: UTF-8 -*-from urllib import requestfrom http import cookiejarif __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('h.com') #保存cookie到文件
cookie.save(ignore_discard=True, ignore_expires=True)123456789101112131415161718
cookie.save的参数说明：
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。我们可以查看自己查看下cookie.txt这个文件的内容。
3)从文件中获取Cookie并访问
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：
# -*- coding: UTF-8 -*-from urllib import requestfrom http import cookiejarif __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('httcom') #打印信息
print(response.read().decode('utf-8'))12345678910111213141516171819
了解到以上内容，我们那就可以开始正式编写模拟登陆伯乐在线的程序了。同时，我们也可以获取相亲MM的联系方式。
4.编写代码
我们利用CookieJar对象实现获取cookie的功能，存储到变量中。然后使用这个cookie变量创建opener，使用这个设置好cookie的opener即可模拟登陆，同笔记四中讲到的IP代理的使用方法类似。
创建cookie_test.py文件，编写代码如下：
# -*- coding: UTF-8 -*-from urllib import requestfrom urllib import errorfrom urllib import parsefrom http import cookiejarif __name__ == '__main__': #登陆地址login_url = 'hin/admin-ajax.php'
#User-Agent信息
user_agent = r'Mozilla/5.0 (Windows NT 6.2WOW64) 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'] = 'hobbole.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 = 'htt/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)123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354
5.运行结果如下：
三、总结
获取成功！如果看过之前的笔记内容，我想这些代码应该很好理解吧。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）