Python爬虫教程-15-读取cookie(人人网)和SSL(12306官网)

Python爬虫教程-15-爬虫读取cookie(人人网)和SSL(12306官网)

上一篇写道关于存储cookie文件，本篇介绍怎样读取cookie文件

cookie的读取

• 案例v16ssl文件：https://xpwi.github.io/py/py爬虫/py16loadcookie.py

# 读取cookie文件
from urllib import request,parse
from http import cookiejar

# 创建cookiejar的实例
cookie = cookiejar.MozillaCookieJar()
cookie.load('py15renrenCookie.txt', ignore_discard=True, ignore_expires=True)

# 常见cookie的管理器
cookie_handler = request.HTTPCookieProcessor(cookie)
# 创建http请求的管理器
http_handler = request.HTTPHandler()

# 生成https管理器
https_handler = request.HTTPSHandler()

# 创建请求管理器
opener = request.build_opener(http_handler,https_handler,cookie_handler)

def getHomePage():
    # 地址是用在浏览器登录后的个人信息页地址
    url = "http://www.renren.com/967487029/profile"

    # 如果已经执行login函数，则opener自动已经包含cookie
    rsp = opener.open(url)
    html = rsp.read().decode()

    with open("py13rsp.html", "w", encoding="utf-8")as f:
        # 将爬取的页面
        print(html)
        f.write(html)

if __name__ == '__main__':

    getHomePage()

运行结果

同样是当返回页面有个人信息，才算成功！

SSL

• ssl证书就是指遵守ssl安全套阶层协议的服务器数字证书（SercureSocketLayer）
• 美国网景公司开发
• 使用ssl，加密信息
• 俗称https协议
• CA（CertificateAuthority）是数字证书任重中心，是发放，管理，废除数字证书的收信人的第三方机构
• 遇到不信任的SSL证书，需要单独处理
• 案例v17ssl文件：

'''
使用ssl
1.直接访问https://www.12306.cn/mormhweb/会无法访问，报错如下
 ----------------------------------
 您的连接不是私密连接
 攻击者可能会试图从 www.12306.cn 窃取您的信息
 （例如：密码、通讯内容或信用卡信息）
 -----------------------------------
2.不使用https使用http解可以访问
3.因为12306的证书是自己做的，而不是第三方机构
4.所以说http不安全会泄露个人信息
'''
from urllib import request

import ssl

# 利用非认证上下文环境替换认证的上下文环境
ssl._create_default_https_context = ssl._create_unverified_context

url = "https://www.12306.cn/mormhweb/"
rsp = request.urlopen(url)

html = rsp.read().decode()

print(html)

运行结果

不是报错页面，表示使用成功

更多文章链接：Python 爬虫随笔

---

- 本笔记不允许任何个人和组织转载