大家好哈，上一節我們研究了一下爬蟲的異常處理問題，那么接下來我們一起來看一下Cookie的使用。
為什么要使用Cookie呢？
Cookie，指某些網站為了辨別用戶身份、進行session跟蹤而儲存在用戶本地終端上的數據（通常經過加密）
比如說有些網站需要登錄后才能訪問某個頁面，在登錄之前，你想抓取某個頁面內容是不允許的。那么我們可以利用Urllib2庫保存我們登錄的Cookie，然后再抓取其他頁面就達到目的了。
在此之前呢，我們必須先介紹一個opener的概念。
1.Opener
當你獲取一個URL你使用一個opener(一個urllib2.OpenerDirector的實例)。在前面，我們都是使用的默認的opener，也就是urlopen。它是一個特殊的opener，可以理解成opener的一個特殊實例，傳入的參數僅僅是url，data，timeout。
如果我們需要用到Cookie，只用這個opener是不能達到目的的，所以我們需要創建更一般的opener來實現對Cookie的設置。
2.Cookielib
cookielib模塊的主要作用是提供可存儲cookie的對象，以便於與urllib2模塊配合使用來訪問Internet資源。Cookielib模塊非常強大，我們可以利用本模塊的CookieJar類的對象來捕獲cookie並在后續連接請求時重新發送，比如可以實現模擬登錄功能。該模塊主要的對象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。
它們的關系：CookieJar —-派生—->FileCookieJar —-派生—–>MozillaCookieJar和LWPCookieJar
1）獲取Cookie保存到變量
首先，我們先利用CookieJar對象實現獲取cookie的功能，存儲到變量中，先來感受一下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import urllib2
import cookielib
#聲明一個CookieJar對象實例來保存cookie
cookie = cookielib.CookieJar()
#利用urllib2庫的HTTPCookieProcessor對象來創建cookie處理器
handler=urllib2.HTTPCookieProcessor(cookie)
#通過handler來構建opener
opener = urllib2.build_opener(handler)
#此處的open方法同urllib2的urlopen方法，也可以傳入request
response = opener.open('http://www.baidu.com')
for item in cookie:
print 'Name = '+item.name
print 'Value = '+item.value
|
我們使用以上方法將cookie保存到變量中，然后打印出了cookie中的值，運行結果如下
|
1
2
3
4
5
6
7
8
9
10
|
Name = BAIDUID
Value = B07B663B645729F11F659C02AAE65B4C:FG=1
Name = BAIDUPSID
Value = B07B663B645729F11F659C02AAE65B4C
Name = H_PS_PSSID
Value = 12527_11076_1438_10633
Name = BDSVRTM
Value = 0
Name = BD_HOME
Value = 0
|
2）保存Cookie到文件
在上面的方法中，我們將cookie保存到了cookie這個變量中，如果我們想將cookie保存到文件中該怎么做呢？這時，我們就要用到
FileCookieJar這個對象了，在這里我們使用它的子類MozillaCookieJar來實現Cookie的保存
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import cookielib
import urllib2
#設置保存cookie的文件，同級目錄下的cookie.txt
filename = 'cookie.txt'
#聲明一個MozillaCookieJar對象實例來保存cookie，之后寫入文件
cookie = cookielib.MozillaCookieJar(filename)
#利用urllib2庫的HTTPCookieProcessor對象來創建cookie處理器
handler = urllib2.HTTPCookieProcessor(cookie)
#通過handler來構建opener
opener = urllib2.build_opener(handler)
#創建一個請求，原理同urllib2的urlopen
response = opener.open("http://www.baidu.com")
#保存cookie到文件
cookie.save(ignore_discard=True, ignore_expires=True)
|
關於最后save方法的兩個參數在此說明一下：
官方解釋如下：
ignore_discard: save even cookies set to be discarded.
ignore_expires: save even cookies that have expiredThe file is overwritten if it already exists
由此可見，ignore_discard的意思是即使cookies將被丟棄也將它保存下來，ignore_expires的意思是如果在該文件中cookies已經存在，則覆蓋原文件寫入，在這里，我們將這兩個全部設置為True。運行之后，cookies將被保存到cookie.txt文件中，我們查看一下內容，附圖如下
3）從文件中獲取Cookie並訪問
那么我們已經做到把Cookie保存到文件中了，如果以后想使用，可以利用下面的方法來讀取cookie並訪問網站，感受一下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import cookielib
import urllib2
#創建MozillaCookieJar實例對象
cookie = cookielib.MozillaCookieJar()
#從文件中讀取cookie內容到變量
cookie.load('cookie.txt', ignore_discard=True, ignore_expires=True)
#創建請求的request
req = urllib2.Request("http://www.baidu.com")
#利用urllib2的build_opener方法創建一個opener
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
response = opener.open(req)
print response.read()
|
設想，如果我們的 cookie.txt 文件中保存的是某個人登錄百度的cookie，那么我們提取出這個cookie文件內容，就可以用以上方法模擬這個人的賬號登錄百度。
4）利用cookie模擬網站登錄
下面我們以我們學校的教育系統為例，利用cookie實現模擬登錄，並將cookie信息保存到文本文件中，來感受一下cookie大法吧！
注意：密碼我改了啊，別偷偷登錄本宮的選課系統 o(╯□╰)o
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
import urllib
import urllib2
import cookielib
filename = 'cookie.txt'
#聲明一個MozillaCookieJar對象實例來保存cookie，之后寫入文件
cookie = cookielib.MozillaCookieJar(filename)
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
postdata = urllib.urlencode({
'stuid':'201200131012',
'pwd':'23342321'
})
#登錄教務系統的URL
loginUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bks_login2.login'
#模擬登錄，並把cookie保存到變量
result = opener.open(loginUrl,postdata)
#保存cookie到cookie.txt中
cookie.save(ignore_discard=True, ignore_expires=True)
#利用cookie請求訪問另一個網址，此網址是成績查詢網址
gradeUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bkscjcx.curscopre'
#請求訪問成績查詢網址
result = opener.open(gradeUrl)
print result.read()
|
以上程序的原理如下
創建一個帶有cookie的opener，在訪問登錄的URL時，將登錄后的cookie保存下來，然后利用這個cookie來訪問其他網址。
如登錄之后才能查看的成績查詢呀，本學期課表呀等等網址，模擬登錄就這么實現啦，是不是很酷炫？
好，小伙伴們要加油哦！我們現在可以順利獲取網站信息了，接下來就是把網站里面有效內容提取出來，下一節我們去會會正則表達式！
轉載：靜覓 » Python爬蟲入門六之Cookie的使用