Python爬虫7-Cookie & Session

时间：2024-01-13 16:22:08
GitHub代码练习地址：1.手动利用cookie访问网页：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac10_cookie1.py
　　　　　　　　　　 2.自动利用cookie访问人人主页：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac11_cookie2.py

cookie & session
    由于http协议的无记忆性，人们为了弥补这个缺憾，所采用的一个补充协议
    cookie是发放给用户（即http浏览器）的一段信息，session是保存在服务器上的对应的另一半信息，用来记录用户信息

    cookie与session的存放位置不同
　　 session的存放位置
    　　存在服务器端
    　　一般情况，session是放在内存中或者数据库中
    　　没有cookie登录的情况：没使用cookie则反馈网页为未登录状态
　　 cookie不安全
    session会保存在服务器上一定时间，会过期
    单个cookie保存数据不超过4k， 很多浏览器限制一个站点最多保存20个
　　 
使用cookie登录
    1.手动：
直接把cookie复制下来，然后手动放入请求头，代码见上1。

　　2.自动：
http模块包含一些关于cookie的模块，通过他们我们可以自动使用cookie
    ①.CookieJar
        管理存储cookie，向传出的http请求添加cookie，
        cookie存储在内存中，CookieJar实例回收后cookie将消失
    ②.FileCookieJar(filename, delayload=None, policy=None):
        使用文件管理cookie
        filename是保存cookie的文件
    ③.MozillaCookieJar(filename, delayload=None, policy=None):
        创建与mocilla浏览器cookie.txt兼容的FileCookieJar实例
    ④.LwpCookieJar(filename, delayload=None, policy=None):
        创建与libwww-perl标准兼容的Set-Cookie3格式的FileCookieJar实例
    他们的关系是: CookieJar-->FileCookieJar-->MozillaCookieJar & LwpCookieJar

利用cookiejar访问人人，代码见上2。
    自动使用cookie登录，大致流程是
    ①.打开登录页面后自动通过用户名密码登录
    ②.自动提取反馈回来的cookie
    ③.利用提取的cookie登录隐私页面
handler是Handler的实例，常用参看案例代码
    用来处理复杂请求

            生成 cookie的管理器
            cookie_handler = request.HTTPCookieProcessor(cookie)
            创建http请求管理器
            http_handler = request.HTTPHandler()
            生成https管理器
            https_handler = request.HTTPSHandler()

创立handler后，使用opener打开，打开后相应的业务由相应的hanlder处理
cookie作为一个变量，打印出来,
      cookie的属性
        - name: 名称
        - value： 值
        - domain：可以访问此cookie的域名
        - path： 可以访问此cookie的页面路径
        - expires：过期时间
        - size： 大小
        - Http字段

相关文章