Python爬虫笔记______day02

 1 ProxyHandler处理器（代理设置）//西刺代理 快代理 代理云
 2     from urllib import request
 3 
 4     url = 'http://httpbin.org/ip'
 5 
 6     handler = request.ProxyHandler({"http":"220.176.91.159:9000"})
 7     opener = request.build_opener(handler)
 8 
 9     resp = opener.open(url)
10     print(resp.read())
11 
12 Cookie
13     在网站中，http请求是无状态的。也就是说即使第一次和服务器连接后并且登录成功后，第二次请求服务器依然不能知道当前请求是哪个用户。cookie的出现就是为了解决这个问题，第一次登录后服务器返回一些数据（cookie）给浏览器，然后浏览器保存在本地，当该用户发送第二次请求的时候，就会自动的把上次请求存储的cookie数据自动的携带给服务器，服务器通过浏览器携带的数据就能判断当前用户是哪个了。cookie存储的数据量有限，不同的浏览器有不同的存储大小，但一般不超过4KB。因此使用cookie只能存储一些小量的数据。
14 Cookie的格式：
15     Set-Cookie: NAME=VALUE；Expires/Max-age=DATE；Path=PATH；Domain=DOMAIN_NAME；SECURE
16 参数意义：
17     NAME：cookie的名字。
18     VALUE：cookie的值。
19     Expires：cookie的过期时间。
20     Path：cookie作用的路径。
21     Domain：cookie作用的域名。
22     SECURE：是否只在https协议下起作用。
23 
24 使用cookielib库和HTTPCookieProcessor模拟登录：
25     Cookie 是指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。这里以人人网为例。人人网中，要访问某个人的主页，必须先登录才能访问，登录说白了就是要有cookie信息。那么如果我们想要用代码的方式访问，就必须要有正确的cookie信息才能访问。解决方案有两种，第一种是使用浏览器访问，然后将cookie信息复制下来，放到headers中。示例代码如下：
26 
27 from urllib import request
28 
29 headers = {
30     'User-Agent': '',
31     'Cookie': 'anonymid=jacdwz2x-8bjldx; depovince=GW; _r01_=1; _ga=GA1.2.1455063316.1511436360; _gid=GA1.2.862627163.1511436360; wp=1; JSESSIONID=abczwY8ecd4xz8RJcyP-v; jebecookies=d4497791-9d41-4269-9e2b-3858d4989785|||||; ick_login=884e75d4-f361-4cff-94bb-81fe6c42b220; _de=EA5778F44555C091303554EBBEB4676C696BF75400CE19CC; p=61a3c7d0d4b2d1e991095353f83fa2141; first_login_flag=1; [email protected]; ln_hurl=http://hdn.xnimg.cn/photos/hdn121/20170428/1700/main_nhiB_aebd0000854a1986.jpg; t=3dd84a3117737e819dd2c32f1cdb91d01; societyguester=3dd84a3117737e819dd2c32f1cdb91d01; id=443362311; xnsid=169efdc0; loginfrom=syshome; ch_id=10016; jebe_key=9c062f5a-4335-4a91-bf7a-970f8b86a64e%7Ca022c303305d1b2ab6b5089643e4b5de%7C1511449232839%7C1; wp_fold=0'
32 }
33 
34 url = 'http://www.renren.com/880151247/profile'
35 
36 req = request.Request(url,headers=headers)
37 resp = request.urlopen(req)
38 with open('renren.html','w') as fp:
39     fp.write(resp.read().decode('utf-8'))
40 
41 但是每次在访问需要cookie的页面都要从浏览器中复制cookie比较麻烦。在Python处理Cookie，一般是通过http.cookiejar模块和urllib模块的HTTPCookieProcessor处理器类一起使用。http.cookiejar模块主要作用是提供用于存储cookie的对象。而HTTPCookieProcessor处理器主要作用是处理这些cookie对象，并构建handler对象。
42 
43 http.cookiejar模块：
44     该模块主要的类有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。这四个类的作用分别如下：
45 
46     1、CookieJar：管理HTTP cookie值、存储HTTP请求生成的cookie、向传出的HTTP请求添加cookie的对象。整个cookie都存储在内存中，对CookieJar实例进行垃圾回收后cookie也将丢失。
47     2、FileCookieJar (filename,delayload=None,policy=None)：从CookieJar派生而来，用来创建FileCookieJar实例，检索cookie信息并将cookie存储到文件中。filename是存储cookie的文件名。delayload为True时支持延迟访问访问文件，即只有在需要时才读取文件或在文件中存储数据。
48     3、MozillaCookieJar (filename,delayload=None,policy=None)：从FileCookieJar派生而来，创建与Mozilla浏览器 cookies.txt兼容的FileCookieJar实例。
49     4、LWPCookieJar (filename,delayload=None,policy=None)：从FileCookieJar派生而来，创建与libwww-perl标准的 Set-Cookie3 文件格式兼容的FileCookieJar实例。
50 
51 保存cookie到本地：
52     保存cookie到本地，可以使用cookiejar的save方法，并且需要指定一个文件名：
53 
54     from urllib import request
55     from http.cookiejar import MozillaCookieJar
56 
57     cookiejar = MozillaCookieJar("cookie.txt")
58     handler = request.HTTPCookieProcessor(cookiejar)
59     opener = request.build_opener(handler)
60 
61     headers = {
62         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36'
63     }
64     req = request.Request('http://httpbin.org/cookies',headers=headers)
65 
66     resp = opener.open(req)
67     print(resp.read())
68     cookiejar.save(ignore_discard=True,ignore_expires=True)
69 从本地加载cookie：
70     从本地加载cookie，需要使用cookiejar的load方法，并且也需要指定方法：
71 
72     from urllib import request
73     from http.cookiejar import MozillaCookieJar
74 
75     cookiejar = MozillaCookieJar("cookie.txt")
76     cookiejar.load(ignore_expires=True,ignore_discard=True)
77     handler = request.HTTPCookieProcessor(cookiejar)
78     opener = request.build_opener(handler)
79 
80     headers = {
81         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36'
82     }
83     req = request.Request('http://httpbin.org/cookies',headers=headers)
84 
85     resp = opener.open(req)
86     print(resp.read())