快捷導(dǎo)航

Python爬蟲實(shí)現(xiàn)Cookie模擬登錄

更新時(shí)間：2024年04月10日 16:16:40 作者：萬(wàn)里顧—程

這篇文章主要介紹了Python爬蟲實(shí)現(xiàn)Cookie模擬登錄，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

0.模擬登錄原理

模擬登錄，一般是網(wǎng)站在瀏覽器中使用POST請(qǐng)求向后端發(fā)送數(shù)據(jù)請(qǐng)求的過程，響應(yīng)后的數(shù)據(jù)一般會(huì)設(shè)置相關(guān)的Session與Cookie標(biāo)識(shí)用戶的登錄標(biāo)識(shí)。對(duì)于前后端分離的項(xiàng)目中，也有可能是加密密鑰的token，例如 ,jwt 登錄的方式的 token 一般包含時(shí)效性，當(dāng)然cookie 也具備時(shí)效性。但是在登錄請(qǐng)求的請(qǐng)求頭并不用包含，因?yàn)檫@些都是登錄后的返回結(jié)果的信息，務(wù)必注意區(qū)分。

1、Cookie模擬登錄

現(xiàn)在很多網(wǎng)站需要用戶成功登錄后才可以查看相關(guān)內(nèi)容。使用Cookie 模擬登錄可以很好地解決這種問題。

Cookie 是指某些網(wǎng)站服務(wù)器為了辨別用戶身份和進(jìn)行Session跟蹤，而儲(chǔ)存在用戶瀏覽器上的文本文件，Cookie是一個(gè)記錄了用戶登錄狀態(tài)以及用戶屬性的加密字符串，Cookie可以保持登錄信息到用戶下次與服務(wù)器的會(huì)話。Cookie 以鍵 / 值對(duì)形式存儲(chǔ)。

Cookie 驗(yàn)證流程：當(dāng)用戶第一次登陸網(wǎng)站時(shí)，服務(wù)端會(huì)在返回的響應(yīng)頭 Response Headers 中添加 Cookie數(shù)據(jù)，瀏覽器接收到響應(yīng)頭的信息后，會(huì)將 Cookie 保存至瀏覽器本地存儲(chǔ)中，當(dāng)用戶再次向該網(wǎng)站發(fā)送請(qǐng)求時(shí)，請(qǐng)求頭中就會(huì)攜帶 Cookie，這樣服務(wù)器通過讀取 Cookie 就能識(shí)別登陸用戶了。

Cookie在爬蟲方面最典型的應(yīng)用是判定注冊(cè)用戶是否已經(jīng)登錄網(wǎng)站，用戶在請(qǐng)求參數(shù)中傳入Cookie，在發(fā)送請(qǐng)求訪問url時(shí)，會(huì)跳過登錄界面，跳過登錄驗(yàn)證流程，從而直接訪問到想要的網(wǎng)站數(shù)據(jù)。

Cookie 模擬登錄使用實(shí)例：

注冊(cè)一個(gè)微博賬號(hào)，登錄微博并進(jìn)入個(gè)人主頁(yè)，使用F12打開瀏覽器的調(diào)試工具，在 Headers 選項(xiàng)中找到請(qǐng)求頭Request Headers 中的 Cookie 信息，復(fù)制保存。

import urllib.request
import urllib.parse

url = 'https://weibo.com/u/6768120693/home'

#請(qǐng)求頭參數(shù)
headers = {
    'cookie': 'UPSTREAM-V-WEIBO-COM=35846f552801987f8c1e8f7cec0e2230; _s_tentry=passport.weibo.com; Apache=3550042880907.0825.1657677410065; SINAGLOBAL=3550042880907.0825.1657677410065; ULV=1657677410241:1:1:1:3550042880907.0825.1657677410065:; XSRF-TOKEN=wpUjXoB3U_T8KzDcYBGeQmeg; WBPSESS=dg5zs_KFY81p0FnDKmb34Ti2iJGu9QxJdhMzG8ikVBN-CyoFvr-FTOapET7oPxP0FTRcDR-4ospowpRpkqiE8Gga-FNf9Bekers3TFYG5vxMEBfXahOBmCiJK7XwTPB_GaeInt3uz0W9CfgA545n9SWoyDpY910MV0NogSygO48=; PC_TOKEN=fd99713024; login_sid_t=6d987092eac2182f810741424691738b; cross_origin_proto=SSL; WBStorage=4d96c54e|undefined; wb_view_log=1920*10801; SUB=_2A25Py7HwDeRhGeBJ7VoQ8i7Kwj-IHXVsoKQ4rDV8PUNbmtAKLVPNkW9NRi9nZzdxPj2ym6xf8i-dSCWgSnyp4GVC; SUBP=0033WrSXqPxfM725Ws9jqgMF55529P9D9W5e8Y.xknmxKI8AQq4L07-c5JpX5KzhUgL.FoqNSonpeo5c1Ke2dJLoI0.LxKqL1h5L1KzLxKqL1KqLBK-LxKqL1hnL1K2LxKML1-2L1hBLxK-L1K5L12BLxK-LB-BL1KUT-27t; ALF=1689318688; SSOLoginState=1657782688; wvr=6; wb_view_log_6768120693=1920*10801; webim_unReadCount=%7B%22time%22%3A1657782816028%2C%22dm_pub_total%22%3A0%2C%22chat_group_client%22%3A0%2C%22chat_group_notice%22%3A0%2C%22allcountNum%22%3A40%2C%22msgbox%22%3A0%7D',
    'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36 SLBrowser/8.0.0.5261 SLBChan/10'
}

request = urllib.request.Request(url=url,headers=headers)
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')

with open('weibo.html','w',encoding='utf-8') as file:
    file.write(content)

2、Handler處理器

Handler處理器可以定制更高級(jí)的請(qǐng)求頭，基本的urlopen()方法不支持代理、動(dòng)態(tài)cookie等其他的HTTP/HTTPS高級(jí)功能。

Handler處理器使用步驟：

使用Handler處理器（如HTTPHandler或HTTPSHandler）來創(chuàng)建特定功能的處理器對(duì)象；
然后通過urllib.request.build_opener()方法使用處理器，構(gòu)建opener對(duì)象；
使用構(gòu)建的opener對(duì)象，調(diào)用open()方法發(fā)送請(qǐng)求。

使用實(shí)例：

import urllib.request

url = 'http://www.baidu.com'

headers = {
    'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36 SLBrowser/8.0.0.5261 SLBChan/10'
}
#1、獲取HTTPHandler處理器對(duì)象
http_handler = urllib.request.HTTPHandler()
#獲取HTTPSHandler處理器對(duì)象
https_handler = urllib.request.HTTPSHandler()

#2、構(gòu)建opener對(duì)象
http_opener = urllib.request.build_opener(http_handler)
https_opener = urllib.request.build_opener(https_handler)

#定制請(qǐng)求
request = urllib.request.Request(url=url,headers=headers)

#3、調(diào)用open方法發(fā)送請(qǐng)求
http_response = http_opener.open(request)
https_response = https_opener.open(request)

print(http_response)
print(https_response)

執(zhí)行結(jié)果：