大家好哈，上一節我們研究了一下爬蟲的異常處理問題，那么接下來我們一起來看一下Cookie的使用。 為什么要使用Cookie呢？ Cookie，指某些網站為了辨別用戶身份、進行session跟蹤而儲存在用戶本地終端上的數據（通常經過加密） 比如說有些網站需要登錄后才能訪問某個頁面，在登錄之前，你想抓取某個頁面內容是不允許的。那么我們可以利用Urllib2庫保存我們登錄的Cookie，然后再抓取其他頁面就達到目的了。 在此之前呢，我們必須先介紹一個opener的概念。 ## 1.Opener 當你獲取一個URL你使用一個opener(一個urllib2.OpenerDirector的實例)。在前面，我們都是使用的默認的opener，也就是urlopen。它是一個特殊的opener，可以理解成opener的一個特殊實例，傳入的參數僅僅是url，[data]，timeout。 如果我們需要用到Cookie，只用這個opener是不能達到目的的，所以我們需要創建更一般的opener來實現對Cookie的設置。 ## 2.Cookielib cookielib模塊的主要作用是提供可存儲cookie的對象，以便于與urllib2模塊配合使用來訪問Internet資源。 Cookielib模塊非常強大，我們可以利用本模塊的CookieJar類的對象來捕獲cookie并在后續連接請求時重新發送，比如可以實現模擬登錄 功能。該模塊主要的對象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。 它們的關系：CookieJar —-派生—->FileCookieJar —-派生—–>MozillaCookieJar和LWPCookieJar ### 1）獲取Cookie保存到變量 首先，我們先利用CookieJar對象實現獲取cookie的功能，[存儲]到變量中，先來感受一下 ~~~ import urllib2 import cookielib #聲明一個CookieJar對象實例來保存cookie cookie = cookielib.CookieJar() #利用urllib2庫的HTTPCookieProcessor對象來創建cookie處理器 handler=urllib2.HTTPCookieProcessor(cookie) #通過handler來構建opener opener = urllib2.build_opener(handler) #此處的open方法同urllib2的urlopen方法，也可以傳入request response = opener.open('http://www.baidu.com') for item in cookie: ????print 'Name = '+item.name ????print 'Value = '+item.value ~~~ 我們使用以上方法將cookie保存到變量中，然后打印出了cookie中的值，運行結果如下 ~~~ Name = BAIDUID Value = B07B663B645729F11F659C02AAE65B4C:FG=1 Name = BAIDUPSID Value = B07B663B645729F11F659C02AAE65B4C Name = H_PS_PSSID Value = 12527_11076_1438_10633 Name = BDSVRTM Value = 0 Name = BD_HOME Value = 0 ~~~ ### 2）保存Cookie到文件 在上面的方法中，我們將cookie保存到了cookie這個變量中，如果我們想將cookie保存到文件中該怎么做呢？這時，我們就要用到 FileCookieJar這個對象了，在這里我們使用它的子類MozillaCookieJar來實現Cookie的保存 ~~~ import cookielib import urllib2 #設置保存cookie的文件，同級目錄下的cookie.txt filename = 'cookie.txt' #聲明一個MozillaCookieJar對象實例來保存cookie，之后寫入文件 cookie = cookielib.MozillaCookieJar(filename) #利用urllib2庫的HTTPCookieProcessor對象來創建cookie處理器 handler = urllib2.HTTPCookieProcessor(cookie) #通過handler來構建opener opener = urllib2.build_opener(handler) #創建一個請求，原理同urllib2的urlopen response = opener.open("http://www.baidu.com") #保存cookie到文件 cookie.save(ignore_discard=True, ignore_expires=True) ~~~ 關于最后save方法的兩個參數在此說明一下： 官方解釋如下： > *ignore_discard: save even cookies set to be discarded.* > > *ignore_expires: save even cookies that have expiredThe file is overwritten if it already exists* 由此可見，ignore_discard的意思是即使cookies將被丟棄也將它保存下來，ignore_expires的意思是如果在該文件中 cookies已經存在，則覆蓋原文件寫入，在這里，我們將這兩個全部設置為True。運行之后，cookies將被保存到cookie.txt文件中， 我們查看一下內容，附圖如下 [](http://qiniu.cuiqingcai.com/wp-content/uploads/2015/02/QQ%E6%88%AA%E5%9B%BE20150215215136.jpg) ### 3）從文件中獲取Cookie并訪問 那么我們已經做到把Cookie保存到文件中了，如果以后想使用，可以利用下面的方法來讀取cookie并訪問網站，感受一下 ~~~ import cookielib import urllib2 #創建MozillaCookieJar實例對象 cookie = cookielib.MozillaCookieJar() #從文件中讀取cookie內容到變量 cookie.load('cookie.txt', ignore_discard=True, ignore_expires=True) #創建請求的request req = urllib2.Request("http://www.baidu.com") #利用urllib2的build_opener方法創建一個opener opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) response = opener.open(req) print response.read() ~~~ 設想，如果我們的 cookie.txt 文件中保存的是某個人登錄百度的cookie，那么我們提取出這個cookie文件內容，就可以用以上方法模擬這個人的賬號登錄百度。 ### 4）利用cookie模擬網站登錄 下面我們以我們學校的[教育系統]為例，利用cookie實現模擬登錄，并將cookie信息保存到文本文件中，來感受一下cookie大法吧！ 注意：密碼我改了啊，別偷偷登錄本宮的選課系統 o(╯□╰)o ~~~ import urllib import urllib2 import cookielib filename = 'cookie.txt' #聲明一個MozillaCookieJar對象實例來保存cookie，之后寫入文件 cookie = cookielib.MozillaCookieJar(filename) opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) postdata = urllib.urlencode({ 'stuid':'201200131012', 'pwd':'23342321' }) #登錄教務系統的URL loginUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bks_login2.login' #模擬登錄，并把cookie保存到變量 result = opener.open(loginUrl,postdata) #保存cookie到cookie.txt中 cookie.save(ignore_discard=True, ignore_expires=True) #利用cookie請求訪問另一個網址，此網址是成績查詢網址 gradeUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bkscjcx.curscopre' #請求訪問成績查詢網址 result = opener.open(gradeUrl) print result.read() ~~~ 以上程序的原理如下 創建一個帶有cookie的opener，在訪問登錄的URL時，將登錄后的cookie保存下來，然后利用這個cookie來訪問其他網址。 如登錄之后才能查看的[成績]查詢呀，本學期課表呀等等網址，模擬登錄就這么實現啦，是不是很酷炫？ 好，小伙伴們要加油哦！我們現在可以順利獲取網站信息了，接下來就是把網站里面有效內容提取出來，下一節我們去會會正則表達式！