クッキーとは何ですか
Web サイトでは、http リクエストはステートレスです。つまり、初めてサーバーに接続し、正常にログインした後でも、サーバーは 2 回目の現在のリクエストがどのユーザーであるかをまだ認識できません。この問題を解決するのが Cookie の登場です。初めてログインした後、サーバーはブラウザにデータ (Cookie) を返し、ブラウザはそれをローカルに保存します。ユーザーが 2 回目のリクエストを送信すると、自動的にリクエストに保存された Cookie データは自動的にサーバーに送信され、サーバーはブラウザによって送信されるデータを通じて現在のユーザーを判断できます。Cookie によって保存されるデータの量には制限があり、ブラウザごとに保存サイズは異なりますが、通常は 4KB を超えることはありません。したがって、Cookie には少量のデータしか保存できません。
クッキーの形式
Set-Cookie: NAME=VALUE;Expires/Max-age=DATE;Path=PATH;Domain=DOMAIN_NAME;SECURE
- NAME: クッキーの名前
- VALUE: Cookie の値。
- Expires/Max-age: Cookie の有効期限。
- パス: Cookie が動作するパス。具体的に指定することもできますが、指定しない場合、デフォルトは Web サイトのルート ディレクトリになります。
- ドメイン: Cookie で使用されるドメイン名。
- SECURE: https プロトコルでのみ動作するかどうか。
cookielib ライブラリと HTTPCooieProcessor を使用してログインをシミュレートする
Cookie は、ユーザーの ID を識別し、セッション追跡を実行するために、Web サイト サーバーによってユーザーのブラウザに保存されるテキスト ファイルを指します。Cookie は、サーバーとの次の会話までログイン情報を保持できます。Renren.com を例に挙げます。 Renren.com にアクセスするには、その人のホームページにアクセスする必要があります。
アクセスするにはログインする必要があります。端的に言えば、ログインとはログイン情報を持っていることを意味します。コードを使用してアクセスする場合、それにアクセスするには正しい Cookie 情報が必要です。1 つ目の方法は、ブラウザを使用してアクセスし、Cookie 情報をコピーして、ヘッダーに入れてください。
#不使用cookie信息访问
from urllib import request
url='http://www.renren.com/880151247/profile'
headers={
'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'}
req=request.Request(url,headers=headers)
#返回一个响应对象
resp=request.urlopen(req)
#将数据写进renren.html中
with open('renren.html','w') as fp:
#write函数必须写入一个str的数据类型
#resp.read()读出来的是一个bytes的数据类型
#所以应对信息解码
#bytes->decode->str
#str->encode->bytes
fp.write(resp.read().decode('utf-8'))
ディレクトリ内のファイルを開きます:
インターフェイスにアクセスできません
from urllib import request
headers = {
'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',
'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'
}
url = 'http://www.renren.com/880151247/profile'
req = request.Request(url,headers=headers)
resp = request.urlopen(req)
with open('renren.html','w',encoding='utf-8') as fp:
fp.write(resp.read().decode('utf-8'))
しかし、Cookieが必要なページにアクセスするたびにブラウザからCookieをコピーするのは面倒です。Python での Cookie の処理は、通常、http.cookiejar モジュールと urllib モジュールの HTTPCookieProcessor プロセッサ クラスを通じて使用されます。http.cookiejar モジュールの主な機能は、Cookie を保存するためのオブジェクトを提供することです。HTTPCookieProcessor プロセッサの主な機能は、これらの Cookie オブジェクトを処理し、ハンドラー オブジェクトを構築することです。
クローラーは自動的にログインして認証ページにアクセスします。
http.cookiejar モジュール
このモジュールの主なクラスは、CookieJar、FileCookieJar、MozillaCookieJar、および LWPCookieJarです。これら 4 つのカテゴリの機能は次のとおりです。
- CookieJar : HTTP Cookie 値を管理し、HTTP リクエストによって生成された Cookie を保存し、発信 HTTP リクエストに Cookie を追加するオブジェクト。Cookie 全体はメモリに保存され、CookieJar インスタンスがガベージ コレクションされた後、Cookie は失われます。
- FileCookieJar (filename、delayload=None、policy=None) : CookieJar から派生し、FileCookieJar インスタンスの作成、Cookie 情報の取得、ファイルへの Cookie の保存に使用されます。filename は、Cookie が保存されるファイル名です。lateload がTrueの場合、ファイルへの遅延アクセスがサポートされます。つまり、必要な場合にのみファイルが読み取られるか、データがファイルに保存されます。
- MozillaCookieJar (filename,layload=None,policy=None) : FileCookieJar から派生し、Mozilla ブラウザの cookies.txt と互換性のある FileCookieJar インスタンスを作成します。
- LWPCookieJar (filename,layload=None,policy=None) : FileCookieJar から派生し、libwww-perl 標準 Set-Cookie3 ファイル形式と互換性のある FileCookieJar インスタンスを作成します。
http.cookiejar と request.HTTPCookieProcessor を使用して Renren にログインします。
HTTPCookieProcessor は ProxyHandler に似ており、リクエストを保存するために使用されます。
# 模拟登录人人网
from urllib import request,parse
from http.cookiejar import CookieJar
#1.登录
#1.1创建一个cookiejar对象
cookiejar=CookieJar()
# 1.2使用cookiesjar创建一个HTTPCookieProcess对象
handler=request.HTTPCookieProcessor(cookiejar)
# 1.3使用上一步创建的handler创建一个opener
opener=request.build_opener(handler)
#1.4使用opener发送登录的请求(人人网的邮箱和密码)
headers={
'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'}
data={
'emall':"********",'password':''}#邮箱账号和密码
login_url="http://www.renren.com/PLogin.do"
#data需要编码
req = request.Request(login_url, headers=headers, data=parse.urlencode(data).encode('utf-8'))
opener.open(req)
# 2.访问个人主页
dapeng_url="http://www.renren.com/880151247/profile"
#获取个人主页的页面的时候,不更新新建一个opener
#而应该使用之前的那个opener,因为之前的那个opener已经包含了
#登录需要的cookie信息
req=request.Request(dapeng_url,headers=headers)
resp=opener.open(req)
with open('renren.html','w') as fp:
#write函数必须写入一个str的数据类型
#resp.read()读出来的是一个bytes的数据类型
#所以应对信息解码
#bytes->decode->str
#str->encode->bytes
fp.write(resp.read().decode('utf-8'))
from urllib import request,parse
from http.cookiejar import CookieJar
headers = {
'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'
}
def get_opener():
cookiejar = CookieJar()
handler = request.HTTPCookieProcessor(cookiejar)
opener = request.build_opener(handler)
return opener
def login_renren(opener):
data = {
"email": "**********@qq.com", "password": "************"}#邮箱密码请设置成自己的
data = parse.urlencode(data).encode('utf-8')
login_url = "http://www.renren.com/PLogin.do"
req = request.Request(login_url, headers=headers, data=data)
opener.open(req)
def visit_profile(opener):
url = 'http://www.renren.com/880151247/profile'
req = request.Request(url,headers=headers)
resp = opener.open(req)
with open('renren.html','w') as fp:
fp.write(resp.read().decode("utf-8"))
if __name__ == '__main__':
opener = get_opener()
login_renren(opener)
visit_profile(opener)