session和Cookies实现会话机制

原创不易，转载前请注明博主的链接地址：Blessy_Zhu https://blog.csdn.net/weixin_42555080
本次代码的环境：
运行平台： Windows
Python版本： Python3.x
IDE： PyCharm

一、前言

在写爬虫代码的时候，总是会先去找一个叫Cookie的东西，根据经验，可以知道，这个Cookie是用来保存客户端状态的一个工具，所以要爬取需要登录的网站时，一定要有这个Cookie。但是，其他的内容，就不是太清楚了。所以今天找了一些资料，自己提炼总结，来彻底了解这个叫Cookie的东西。当然，刚才说过了，Cookie是用来记录客户端网站的状态信息，那么在服务器端是用什么来记录网站的状态呢？这就是今天的第二个主人公，叫会话的东西（session）。接下来，废话少说，把他们的来龙去脉走一遍吧！

二、详细介绍

其实在讲解具体的Cookies和Session前，还是先从静态和动态页面开始说起吧。

2.1 静态网页和动态网页

比如你想做一个页面，上面的内容只有你的联系方式，如下

<!DOCTYPE html>
<html>
	<head>
		<meta charset="UTF-8">
		<title>This is my phoneNum</title>
	</head>
	<body>
		<div id= "container">
		<h2 class="title">我的电话号码是111111222</h2>
		</div>
	</body>
</html>

这是最基本的HTML代码（没有动态功能，不能连接数据库，没有JavaScript、JQuery、JSP、Ajax等动态语言），将其保存为一个hml文件，然后把它放到服务器上，其他人便可以通过访问服务器看到这个页面。类似的这种静态网页的内容是htmL代码编写的，文字、图片等内容均通过写好的HTML代码来指定并固定下来。他的特点是加载速度快，编写简单，但是存在很大的缺陷：内容一旦写下来，就无法通进行动态修改和动态传值，除非改变源代码的内容，但是这样又太过麻烦。因此，动态网页应运而生，它可以动态解析URL中参数的变化，关联数据库并动态展示不同的预先设定算法的内容。
其实，现在遇到的大多数网站都是动态网站，它们不再是一个简单的HTML,而是可能由JavaScript、JQuery、JSP、Ajax、JSP、PHP、Python 等语言编写的，其功能比静态网页强大和丰富太多了。此外，动态网站还可以实现用户登录和注册的功能，通过用户在指定接口处输入账号和密码，然后与数据库里面的提前存入的内容进行对比，这样可以实现用户的登陆功能。但是，问题又来了！比如你登陆了你的csdn账号，进入csdn访问博客。然后你关闭了浏览器页面，当你打开的时候你会发现，你依然是登陆状态，这是为啥呢？

2.2 HTTP的无状态性

你也许会想到，既然是通过HTTP协议传的内容，那是不是HTTP协议记录了用户的登陆信息呢？答案肯定不是，因为HTTP是绝对不允许可以记录状态信息的。
HTTP的无状态是指HTTP 协议对事务处理是没有记忆能力的，也就是说服务器不知道客户端是什么状态。当我们向服分器发送请求后，服务器解析此请求，然后返回对应的响应，服务器负责完成这个过程，而且这个过程是完全独立的，服务器不会记录前后状态的变化，也就是缺少状态记录。这意味着如果后续需要处理前面的信息，则必须重传，这导致需要额外传递些前面的重复请求，才能获取后续响应,然而这种效果显然不是我们想要的。那么问题就来了，如何实现用户状态的记录呢？

2.3 Session和Cookie

所以，为了保持HTTP连接状态Session和Cookie就孕育而生了。Session是作用在服务端，用来保存用户的会话信息；Cookie是作用在客户端，也可以理解为浏览器端，有了Cookies,浏览器在下次访问网页时会自动附带上它发送给服务器，服务器通过识别Cookies并鉴定出是哪个用户，然后再判断用户是否是登录状态，然后返回对应的响应。
这样，在爬虫中，当处理需要登录才能访问的页面时，可以采用先登录，然后获取的Cookies放在请求头里面直接请求，而不必重新模拟登录。

2.4 如何维持会话

接下俩就具体讲解如何用cookie来保持用户的登陆状态！当用户在指定接口输入登陆信息时，第一次请求服务器，此时服务器会返回一个请求头中带有set-cookie的相应传给客户端。然后客户端的浏览器会把cookie保存起来。当下次再次请求的时候,浏览器会把此Cookie 放到请求头一起提交给服务器，Cookies携带了会话ID,信息，服务器检查该Cookies即可找到对应的会话是什么，然后再判断会话来以此来辨认用户状态,如下图所示。

在成功登录某个网站时，服务器会告诉客户端设置哪些Cookies 信息，在后续访问页面时客户端会把Cookies发送给服务器，服务器再找到对应的会话加以判断。如果会话中的某些设置登录状态的变量是有效的，那就证明用户处于登录状态，此时返回登录之后才可以查看的网页内容，浏览器再进行解析便可以看到了。反之，如果传给服务器的Cookies 是无效的，或者会话已经过期了，我们将不能继续访问页面，此时可能会收到错误的响应或者跳转到登录页面重新登录。
所以，Cookie和Session需要配合，一个处于客户端，一个处于服务端，二者共同协作，就实现了登录会话控制。

2.5 认识cookies属性

接下来认识一下cookies都有哪些属性，如下图所示：
　

属性	解释
Name	该Cookie的名称，一且创建，该名称便不可更改。
Value	该Cookie的值。如果值为Unicode字符，需要为字符编码。如果值为二进制数据，则需要使用BASE64编码。
Domain	可以访问该Cookie的域名。例如，如果设置为weibo.com的域名都可以访问该Cookie.
Max Age	该Cookie失效的时间，单位为秒，也常和Expires 起使用，通过它可以计算出其有效时间。Max Age如果为正数，则该Cookie在Max Age秒之后失效。如果为负数，则关闭浏览器时Cookie即失效，浏览器也不会以任何形式保存该Cookie。
Path	该Cookie 的使用路径。如果设置为/path/, 则只有路径为/path/的页面可以访问该Cookie。如果设置为/,则本域名下的所有页面都可以访问该Cookie。
Size字段	此Cookie的大小。
HTTP字段	Cookie的httponly 属性。若此属性为true, 则只有在HTTP头中会带有此Cookie的信息，而不能通过document.cookie来访问此Cookie。
Secure	该Cookie是否仅被使用安全协议传输。安全协议有HTTPS和SSL等，在网络上传输数据之前先将数据加密。默认为false。

三总结

这篇博文就写到这了，一句话总结就是，因为网站不是纯静态的，所以需要HTTP协议传输，又因为HTTP协议是无状态的，所以必须找一个东西来记录用户的登陆状态，这样cookies和Session就孕育而生了。同时，Cookie和Session相互配合，一个处于客户端，一个处于服务端，二者共同协作，就实现了登录会话控制。这篇文章就到这里了，欢迎大佬们多批评指正，也欢迎大家积极评论多多交流。
　