爬虫基础入门（二）

• 1 爬虫之Cookie的使用

1. 1 Opener
2. 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
   2）保存Cookie到文件
   3）从文件中获取Cookie并访问
   4）利用cookie模拟网站登录
   以学校的教育系统为例，利用cookie实现模拟登录，并将cookie信息保存到文本文件中
   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。

• 2 爬虫正则表达式
  正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
  正则表达式的大致匹配过程是：
  1.依次拿出表达式和文本中的字符比较，
  2.如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。
  3.如果表达式中有量词或边界，这个过程会稍微有一些不同。
  下面是Python中正则表达式的一些匹配规则，图片资料来自CSDN