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())
Python爬虫笔记______day02
猜你喜欢
转载自www.cnblogs.com/yasina/p/12590083.html
今日推荐
周排行