Python之Cookie的相关介绍

Cookie 是指某些网站服务器为了辨别用户身份和进行Session跟踪,而储存在用户浏览器上的文本文件,Cookie可以保持登录信息到用户下次与服务器的会话。

HTTP是无状态的面向连接的协议, 为了保持连接状态, 引入了Cookie机制。Cookie是http消息头中的一种属性,包括:

Cookie名字(Name)

Cookie的值(Value)

Cookie的过期时间(Expires/Max-Age)

Cookie作用路径(Path)

Cookie所在域名(Domain),

使用Cookie进行安全连接(Secure)。

前两个参数是Cookie应用的必要条件,另外,还包括Cookie大小(Size,不同浏览器对Cookie个数及大小限制是有差异的)。

Cookie由变量名和值组成,根据 Netscape公司的规定,Cookie格式如下:

Set-Cookie: NAME=VALUE;Expires=DATE;Path=PATH;Domain=DOMAIN_NAME;SECURE

Cookie应用

Cookies在爬虫方面最典型的应用是判定注册用户是否已经登录网站,用户可能会得到提示,是否在下一次进入此网站时保留用户信息以便简化登录手续。

import urllib.request

# 1. 构建一个已经登录过的用户的headers信息
headers = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) 
    Chrome/73.0.3683.103 Safari/537.36",
    "Cookie": "anonymid=jurpmxe9-orl7u3;"
              "depovince=BJ;"
              " _r01_=1; "
              "JSESSIONID=abcwYLyIY7VNIhCDVWcPw;"
              " jebe_key=f6fb270b-d06d-42e6-8b53-e67c3156aa7e%7Cc13c37f53bca9e1e7132d4b58ce00fa3%7C148406060
              7478%7C1%7C1484060607173;"
              " jebecookies=f1fd29c4-bd08-4d66-8834-72e42b70d2cb|||||; "
              "ick_login=0f790ea2-c8bf-4d64-a394-36745febeb26;"
              " _de=622DE758381206EB340E4CEC836F3769696BF75400CE19CC;"
              " p=7e50f3fe10ca320e36dae001c72d392d3;"
              " ap=327550029;"
              " first_login_flag=1;"
              " ln_uact=562352353@qq.com;"
              " ln_hurl=http://hdn.xnimg.cn/photos/hdn121/20120930/2035/h_main_hcDy_40fc000002d91375.jpg;"
              " t=d7c6ae064b81ae15f5b91f5897dc61553;"
              " societyguester=d7c6ae064b81ae15f5b91f5897dc61553;"
              " id=485439163;"
              " xnsid=bc995dc8;"
              " ver=7.0;"
              " loginfrom=null"
}

# 2. 通过headers里的报头信息(主要是Cookie信息),构建Request对象
request = urllib.request.Request("http://www.renren.com", headers=headers)
 
# 3. 直接访问renren主页,服务器会根据headers报头信息(主要是Cookie信息),判断这是一个已经登录的用户,并返回相应的页面
response = urllib.request.urlopen(request)

# 4. 打印响应内容
print(response.read().decode("utf-8"))

但是这样做太过复杂,我们先需要在浏览器登录账户,并且设置保存密码,并且通过抓包才能获取这个Cookie,那有么有更简单方便的方法呢?

相关推荐:《Python相关教程》

cookielib库 和 HTTPCookieProcessor处理器

在Python处理Cookie,一般是通过 http 模块的 cookiejar 模块和 urllib 模块的 HTTPCookieProcessor 处理器类一起使用。

cookiejar模块:主要作用是提供用于存储cookie的对象。

HTTPCookieProcessor处理器:主要作用是处理这些cookie对象,并构建handler对象。

import urllib.request
import urllib.parse
from http import cookiejar

# 1. 构建一个CookieJar对象实例来保存cookie
cookie = cookiejar.CookieJar()

# 2. 使用HTTPCookieProcessor()来创建cookie处理器对象,参数为CookieJar()对象
cookie_handler = urllib.request.HTTPCookieProcessor(cookie)

# 3. 通过 build_opener() 来构建opener
opener = urllib.request.build_opener(cookie_handler)

# 4. addheaders 接受一个列表,里面每个元素都是一个headers信息的元祖, opener将附带headers信息
opener.addheaders = [("User-Agent",
                      "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like 
                      Gecko) Chrome/73.0.3683.103 Safari/537.36")]

# 5. 需要登录的账户和密码
data = {"email": "562352353@qq.com", "password": "chen562352353"}

# 6. 通过urlencode()转码
postdata = urllib.parse.urlencode(data).encode("utf-8")

# 7. 构建Request请求对象,包含需要发送的用户名和密码
request = urllib.request.Request("http://www.renren.com/PLogin.do", data=postdata)

# 8. 通过opener发送这个请求,并获取登录后的Cookie值,
opener.open(request) 
# 9. opener包含用户登录后的Cookie值,可以直接访问那些登录后才可以访问的页面
response = opener.open("http://www.renren.com/485439163")

# 10. 打印响应内容
print(response.read().decode("utf-8"))

模拟登录要注意几点:

登录一般都会先有一个HTTP GET,用于拉取一些信息及获得Cookie,然后再HTTP POST登录。

HTTP POST登录的链接有可能是动态的,从GET返回的信息中获取。

password 有些是明文发送,有些是加密后发送。有些网站甚至采用动态加密的,同时包括了很多其他数据的加密信息,只能通过查看JS源码获得加密算法,再去破解加密,非常困难。

大多数网站的登录整体流程是类似的,可能有些细节不一样,所以不能保证其他网站登录成功。

来源:PY学习网:原文地址:https://www.py.cn/article.html

hmoban主题是根据ripro二开的主题,极致后台体验,无插件,集成会员系统
自学咖网 » Python之Cookie的相关介绍