cookie适用于抓取需要登录才能访问的页面网站

cookie和session机制

http协议为无连接协议,cookie: 存放在客户端浏览器,session: 存放在Web服务器

人人网登录案例

方法一:登录网站手动抓取Cookie

1、先登录成功1次,获取到携带登陆信息的Cookie

登录成功 - 个人主页(http://www.renren.com/971989504/profile) - F12抓包 - 刷新个人主页 - 找到主页的包(home)

  一般cookie都在all--> home 数据包中,

2、携带着cookie发请求

import requests
​
class RenRenLogin(object):def __init__(self):# url为需要登录才能正常访问的地址self.url = 'http://www.renren.com/967469305/profile'# headers中的cookie为登录成功后抓取到的cookieself.headers = {# 此处注意cookie,要自己抓取"Cookie": "xxx","User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36",}
​# 获取个人主页响应def get_html(self):html = requests.get(url=self.url,headers=self.headers,verify=False).textprint(html)self.parse_html(html)
​# 可获取并解析整个人人网内需要登录才能访问的地址def parse_html(self,html):pass
​
if __name__ == '__main__':spider = RenRenLogin()spider.get_html()

方法二:requests模块处理Cookie

requests模块提供了session类,来实现客户端和服务端的会话保持​

1、实例化session对象

session = requests.session()

2、让session对象发送get或者post请求

res = session.post(url=url,data=data,headers=headers)

res = session.get(url=url,headers=headers)​

3. 思路梳理

浏览器原理: 访问需要登录的页面会带着之前登录过的cookie

程序原理: 同样带着之前登录的cookie去访问 - 由session对象完成

1、实例化session对象

2、登录网站: session对象发送请求,登录对应网站,把cookie保存在session对象中

3、访问页面: session对象请求需要登录才能访问的页面,session能够自动携带之前的这个cookie,进行请求

具体步骤

1、寻找登录时POST的地址

在登陆界面查看网页源码,查看form表单,找action对应的地址: http://www.renren.com/PLogin.do

2、发送用户名和密码信息到POST的地址

* 用户名和密码信息以字典的方式发送

键 :<input>标签中name的值(email,password)

值 :真实的用户名和密码

post_data = {'email':'','password':''}

程序实现

1、先POST: 把用户名和密码信息POST到某个地址中

2、再GET: 正常请求去获取页面信息

import requests
from lxml import etreeclass RenrenSpider(object):def __init__(self):self.post_url = 'http://www.renren.com/PLogin.do'self.get_url = 'http://www.renren.com/967469305/profile'# email和password为<input>节点中name的属性值self.form_data = {'email': '******',     # 用户名'password': '*******'} # 密码self.session = requests.session()  # 实例化session会话保持对象self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36','Referer': 'http://www.renren.com/SysHome.do'}# 先post 再getdef get_html(self):# 先POST,把用户名和密码信息POST到一个地址self.session.post(url=self.post_url, data=self.form_data, headers=self.headers)# 再session.get()个人主页html = self.session.get(url=self.get_url, headers=self.headers).textself.parse_html(html)def parse_html(self, html):parse_html = etree.HTML(html)r_list = parse_html.xpath('//li[@class="school"]/span/text()')print(r_list)if __name__ == '__main__':spider = RenrenSpider()spider.get_html()

方法三

1、把抓取到的cookie处理为字典
2、使用requests.get()中的参数:cookies

import requests
from lxml import etreeclass RenrenLogin(object):def __init__(self):# url为需要登录才能正常访问的地址self.url = 'http://www.renren.com/967469305/profile'self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36'}# 将字符串cookie转为字典格式def get_cookie_dict(self):cookie_dict = {}cookies = 'td_cookie=18446744073093166409; anonymid=jzc3yiknvd9kwr; depovince=GW; jebecookies=67976425-f482-44a7-9668-0469a6a14d16|||||; _r01_=1; JSESSIONID=abcp_jUgWA4RdcgwXqtYw; ick_login=f502b729-d6cb-4085-8d74-4308a0a8a17d; _de=4DBCFCC17D9E50C8C92BCDC45CC5C3B7; p=cae86d9f12c5a1ba30901ad3d6ac992f5; first_login_flag=1; ln_uact=13603263409; ln_hurl=http://hdn.xnimg.cn/photos/hdn221/20181101/1550/h_main_qz3H_61ec0009c3901986.jpg; t=6d191b90a0236cea74f99b9d88d3fbd25; societyguester=6d191b90a0236cea74f99b9d88d3fbd25; id=967469305; xnsid=6cbc5509; ver=7.0; loginfrom=null; jebe_key=bd6eb791-92b2-4141-b8ed-53d17551d830%7C2012cb2155debcd0710a4bf5a73220e8%7C1565838783310%7C1%7C1565838784555; jebe_key=bd6eb791-92b2-4141-b8ed-53d17551d830%7C2012cb2155debcd0710a4bf5a73220e8%7C1565838783310%7C1%7C1565838784558; wp_fold=0'for kv in cookies.split('; '):# kv: 'td_cookie=184xxx'key = kv.split('=')[0]value = kv.split('=')[1]cookie_dict[key] = valuereturn cookie_dict# 获取个人主页响应def get_html(self):# 获取cookiescookies = self.get_cookie_dict()print(cookies)html = requests.get(url=self.url, headers=self.headers, cookies=cookies, ).textself.parse_html(html)# 可获取并解析整个人人网内需要登录才能访问的地址def parse_html(self, html):parse_html = etree.HTML(html)r_list = parse_html.xpath('//*[@id="operate_area"]/div[1]/ul/li[1]/span/text()')print(r_list)if __name__ == '__main__':spider = RenrenLogin()spider.get_html()

爬虫——cookie模拟登陆相关推荐

  1. 利用python爬虫(part15)--cookie模拟登陆

    学习笔记 文章目录 cookie模拟登陆 获取cookie 爬取我的简介 cookie模拟登陆 有的时候,我们想要抓取一个网站,但是需要先登录才能访问它,如果不输入用户名和密码,我们就会一直停留在登录 ...

  2. Scrapy框架的学习(10.Scrapy中的模拟登陆(使用cookie模拟登陆))

    1. 为什么需要模拟登陆? 获取cookie,能够爬取登陆后的页面的数据 2.使用cookie模拟登陆的场景 (1) cookie过期时间很长,常见于一些不规范的网站 (2) 能在cookie过期之前 ...

  3. Python爬虫——Cookie模拟登录

    文章目录 Python爬虫--Cookie模拟登录 1.Cookie模拟登录 2.Handler处理器 Python爬虫--Cookie模拟登录 1.Cookie模拟登录 现在很多网站需要用户成功登录 ...

  4. 湖南工业大学教务系统爬虫(模拟登陆篇)

    湖南工业大学教务系统爬虫(模拟登陆篇) 之前写了一个教务系统的爬虫程序,可以根据用户要求爬取任何一部分的数据,也可以模拟提交数据,可能这也是部分工大计算机学生比较感兴趣的,所以今天就在这分享一下整个的 ...

  5. PythonScript_003_通过Cookie模拟登陆人人网

    #!/usr/bin/env python # -*- coding:utf-8 -*-import urllib.request import http.cookiejar # 相当于Python2 ...

  6. 爬虫实战学习笔记_2 网络请求urllib模块+设置请求头+Cookie+模拟登陆

    1 urllib模块 1.1 urllib模块简介 Python3中将urib与urllib2模块的功能组合,并且命名为urllib.Python3中的urllib模块中包含多个功能的子模块,具体内容 ...

  7. 【python爬虫学习】cookie模拟登陆

    近期学校要求登陆一个网站学习,要计算在线时长,长时间不对这个页面进行操作的话就会停止计时.就想着能不能写个程序模拟登陆并进行一些操作. 模拟登陆的话有很多方法,因为有验证码比较麻烦,所以我是自己先登陆 ...

  8. socket模拟http的登陆_Python网络爬虫之模拟登陆 !

    为什么要模拟登陆? Python网络爬虫应用十分广泛,但是有些网页需要用户登陆后才能获取到信息,所以我们的爬虫需要模拟用户的登陆行为,在登陆以后保存登陆信息,以便浏览该页面下的其他页面. 保存用户信息 ...

  9. 利用cookie模拟登陆知乎

    我们知道一些网站是需要账号密码才可以登陆的,例如知乎.而利用requests库里的get方法的headers参数可以达到这个目的 首先在知乎的网页上登陆自己的知乎账号,利用chrome的开发者工具(F ...

最新文章

  1. chattr和lsattr命令
  2. JVM最佳学习笔记一---Java内存区域与内存溢出异常
  3. 等于x分之a的平方的导数_数学漫谈导数
  4. 生活永远这样,在自己放松自己的时候,会让你摔个跟头,忍耐生老练,老练生盼望...
  5. 拉格朗日乘数法学习笔记
  6. Jar包反编译后修改源码再编译
  7. 没有读过的书,就不要瞎推荐了!
  8. 蚁群算法和简要matlab来源
  9. XAMPP:访问phpmyadmin出错的解决方案
  10. php函数收集参数,DELL 14G服务器 对应 金牌银牌铜牌铂金CPU 参数简单汇总
  11. 嵌套组合图echarts
  12. 如何用 R 语言的 Shiny 库编写 web 程序
  13. 2021年Delphi第26届应用软件开发展示挑战赛的获胜者名单
  14. qq一注销账号就服务器繁忙,qq熊熊怎样解除服务器繁忙的问题
  15. Edge浏览器驱动更新
  16. 你靠谱吗?看看“价值观”究竟有多重要
  17. 奖学金评审系统java_奖学金评定系统 - WEB源码|源代码 - 源码中国
  18. 倡议书格式范文_倡议书的格式及范文
  19. 跨平台画图工具drawio使用指南——下载安装及常见功能指南
  20. Linux-uboot-学习笔记(10):移植三星官方uboot

热门文章

  1. GDPU C语言 天码行空6
  2. 今天晚上雨夹雪,爱人狠心把我撇。今夜孤独一个人,只好来把代码写。 欢迎阅读我的第四章笔记 深入类的方法...
  3. 鸿蒙大陆8.1正式版,鸿蒙大陆8.1幻魔降临
  4. BigImageViewer
  5. matlab剖面图_海洋要素如温盐等
  6. Linux下安装MySQL失败(mariadb-libs 被取代)
  7. 窗口类Win32 application (2) 看局域网聊天开源软件IPMsg的Win32部分
  8. Spring3和Yii示范程序性能初探
  9. 苹果icloud登录_苹果手机怎样找回删除的备忘录,电脑小白数据恢复全攻略!
  10. IT女神节(致敬中国IT界永远的女神严蔚敏-数据结构)