Python爬虫 Cookie的使用

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是不允许的。那么我们可以利用Urllib2库保存我们登录的Cookie，然后再抓取其他页面就达到目的了。

在此之前呢，先介绍一个opener的概念

1.Opener

---

当你获取一个URL你使用一个opener(一个urllib2.OpenerDirector的实例)。在前面，我们都是使用的默认的opener，也就是urlopen。它是一个特殊的opener，可以理解成opener的一个特殊实例，传入的参数仅仅是url，data，timeout。

如果我们需要用到Cookie，只用这个opener是不能达到目的的，所以我们需要创建更一般的opener来实现对Cookie的设置。

2.Cookielib

---

cookielib模块的主要作用是提供可存储cookie的对象，以便于与urllib2模块配合使用来访问Internet资源。Cookielib模块非常强大，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

1）获取Cookie保存到变量

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:UTF8

 import cookielib
 import urllib2

 #声明一个CookieJar对象实例来保存cookie
 cookie = cookielib.CookieJar()
 #利用HTTPCookieProcessor对象创建cookie处理器
 handle = urllib2.HTTPCookieProcessor(cookie)
 #通过handle来构建opener
 opener = urllib2.build_opener(handle)
 #此open方法与urllib2的urlopen方法，可以传入request
 response = opener.open('http://www.baidu.com')

 for i in cookie:
     print 'Name =' +i.name
     print 'Value = ' + i.value

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

 Name =BAIDUID
 Value = 6E0127B9536DE7EE8A68D8B5AE016CCA:FG=1
 Name =BIDUPSID
 Value = 6E0127B9536DE7EE8A68D8B5AE016CCA
 Name =H_PS_PSSID
 Value = 1465_13550_21110_17001_21672_22158
 Name =PSTM
 Value = 1491037392
 Name =BDSVRTM
 Value = 0
 Name =BD_HOME
 Value = 0

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？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

 #coding:UTF8

 import cookielib
 import urllib2

 #设置保存cookie文件，在同级目录下
 file_name='cookie.txt'
 #声明一个CookieJar对象实例来保存cookie
 cookie = cookielib.MozillaCookieJar(file_name)
 #利用HTTPCookieProcessor对象创建cookie处理器
 handle = urllib2.HTTPCookieProcessor(cookie)
 #通过handle来构建opener
 opener = urllib2.build_opener(handle)
 #此open方法与urllib2的urlopen方法，可以传入request
 response = opener.open('http://www.baidu.com')

 cookie.save(ignore_discard=True,ignore_expires=True)

关于最后save方法的两个参数在此说明一下：

官方解释如下：

gnore_discard: save even cookies set to be discarded.
ignore_expires: save even cookies that have expiredThe file is overwritten if it already exists

由此可见，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，我们查看一下内容，附图如下

3）从文件中获取Cookie并访问

那么我们已经做到把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:UTF8
 import urllib2
 import cookielib
 #创建实例对象
 cookie = cookielib.MozillaCookieJar()
 #从文件中读取cookie内容到变量
 cookie.load('cookie.txt', ignore_discard=True,ignore_expires=True)
 #创建请求
 request = urllib2.Request('http://www.baidu.com')
 #利用build_opener方法创建一个opener
 opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))

 req = opener.open(request)
 print req.read()

设想，如果我们的 cookie.txt 文件中保存的是某个人登录百度的cookie，那么我们提取出这个cookie文件内容，就可以用以上方法模拟这个人的账号登录百度。

4）利用cookie模拟网站登录

下面以本人博客园为例(账号密码都是假的哟，不信可以试试滴)，利用cookie实现模拟登录，并将cookie信息保存到文本文件中，来感受一下cookie大法吧！

 #coding:UTF8

 import urllib
 import urllib2
 import cookielib

 file_name = 'cookie1.txt'
 #声明一个MozillaCookieJar对象实例来保存cookie，之后写入文件
 cookie = cookielib.MozillaCookieJar(file_name)
 opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
 data = urllib.urlencode({
     'username':'username',
     'pwd':'password',
     })
 #登录博客园的URL
 login_url = 'https://passport.cnblogs.com/user/signin?ReturnUrl=http%3A%2F%2Fwww.cnblogs.com%2F'
 #模拟登录，并把cookie保存到变量
 result = opener.open(login_url,data)
 #保存cookie到文件
 cookie.save(ignore_discard=True, ignore_expires=True)
 #利用cookie请求访问到另一网址
 select_url='http://www.cnblogs.com/qianyuliang/p/6656580.html'
 #请求访问
 result = opener.open(select_url)
 print result.read()

以上程序的原理如下

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。