Python3网络爬虫(三)：Python3使用Cookie-模拟登陆获取妹子联系方式

本文主要是介绍Python3网络爬虫(三)：Python3使用Cookie-模拟登陆获取妹子联系方式，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

转载请注明作者和出处：http://blog.csdn.net/c406495762

运行平台：Windows

Python版本：Python3.x

IDE：Sublime text3

一、为什么要使用Cookie

    Cookie，指某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的数据（通常经过加密)。
    比如说有些网站需要登录后才能访问某个页面，在登录之前，你想抓取某个页面内容，登陆前与登陆后是不同的，或者不允许的。
    使用Cookie和使用代理IP一样，也需要创建一个自己的opener。在HTTP包中，提供了cookiejar模块，用于提供对Cookie的支持。

http.cookiejar功能强大，我们可以利用本模块的CookieJar类的对象来捕获cookie并在后续连接请求时重新发送，比如可以实现模拟登录功能。该模块主要的对象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。

它们的关系： CookieJar–派生–>FileCookieJar–派生–>MozillaCookieJar和LWPCookieJar

工作原理：创建一个带有cookie的opener，在访问登录的URL时，将登录后的cookie保存下来，然后利用这个cookie来访问其他网址。查看登录之后才能看到的信息。

同样，我们以实例进行讲解，爬取伯乐在线的面向对象的漂亮MM的邮箱联系方式。

二、实战

1.背景介绍

在伯乐在线有这么一个有趣的模块，面向对象，它说白了就是提供了一个程序员(媛)网上相亲的平台。

URL:http://date.jobbole.com/

它的样子是这样的：

可以看到，这里有很多的相亲贴，随便点进去就会有网上相亲MM的详细信息，想获取MM的联系方式，需要积分，积分可以通过签到的方式获取。如果没有登陆账户，获取联系方式的地方是这个样子的：

如果登陆了账号，获取联系方式的地方是这个样子的：

想要爬取MM的联系邮箱，就需要用到我们本次讲到的知识，Cookie的使用。当然，首先你积分也得够。

在讲解之前，推荐一款抓包工具–Fiddler，可以在Google Chrome的Google商店下载这个插件，它的样子是这样的：

可以看到，通过这个插件，我们可以很容易找到Post的Form Data等信息，很方便，当然也可以用之前讲得浏览器审查元素的方式查看这些信息。

2.过程分析

在伯乐在线首页点击登陆的按钮，Fiddler的抓包内容如下：

从上图可以看出，真正请求的url是

http://www.jobbole.com/wp-admin/admin-ajax.php

Form Data的内容记住，这些是我们编程需要用到的。user_login是用户名，user_pass是用户密码。

在点击取得联系邮箱按钮的时候，Fiddler的抓包内容如下：

从上图可以看出，此刻真正请求的url是

http://date.jobbole.com/wp-admin/admin-ajax.php

同样Form Data中内容要记下来。postId是每个帖子的id。例如，打开一个相亲贴，它的URL是http://date.jobbole.com/4128/，那么它的这个postId就是4128。为了简化程序，这里就不讲解如何自动获取这个postId了，本实例直接指定postId。如果想要自动获取，可以使用beautifulsoup解析http://date.jobbole.com/返回的信息。beautifulsoup的使用。有机会的话，会在后面的爬虫笔记中进行讲解。

3.测试

1)将Cookie保存到变量中

首先，我们先利用CookieJar对象实现获取cookie的功能，存储到变量中，先来感受一下：

# -*- coding: UTF-8 -*-
from urllib import request
from http import cookiejarif __name__ == '__main__':#声明一个CookieJar对象实例来保存cookiecookie = cookiejar.CookieJar()#利用urllib.request库的HTTPCookieProcessor对象来创建cookie处理器,也就CookieHandlerhandler=request.HTTPCookieProcessor(cookie)#通过CookieHandler创建openeropener = request.build_opener(handler)#此处的open方法打开网页response = opener.open('http://www.baidu.com')#打印cookie信息for item in cookie:print('Name = %s' % item.name)print('Value = %s' % item.value)1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

我们使用以上方法将cookie保存到变量中，然后打印出了cookie中的值，运行结果如下:

2)保存Cookie到文件

在上面的方法中，我们将cookie保存到了cookie这个变量中，如果我们想将cookie保存到文件中该怎么做呢？方便以后直接读取文件使用，这时，我们就要用到FileCookieJar这个对象了，在这里我们使用它的子类MozillaCookieJar来实现Cookie的保存，编写代码如下：

# -*- coding: UTF-8 -*-
from urllib import request
from http import cookiejarif __name__ == '__main__':#设置保存cookie的文件，同级目录下的cookie.txtfilename = 'cookie.txt'#声明一个MozillaCookieJar对象实例来保存cookie，之后写入文件cookie = cookiejar.MozillaCookieJar(filename)#利用urllib.request库的HTTPCookieProcessor对象来创建cookie处理器,也就CookieHandlerhandler=request.HTTPCookieProcessor(cookie)#通过CookieHandler创建openeropener = request.build_opener(handler)#此处的open方法打开网页response = opener.open('http://www.baidu.com')#保存cookie到文件cookie.save(ignore_discard=True, ignore_expires=True)1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

cookie.save的参数说明：

ignore_discard的意思是即使cookies将被丢弃也将它保存下来；
ignore_expires的意思是如果在该文件中cookies已经存在，则覆盖原文件写入。

在这里，我们将这两个全部设置为True。

运行之后，cookies将被保存到cookie.txt文件中。我们可以查看自己查看下cookie.txt这个文件的内容。

3)从文件中获取Cookie并访问

我们已经做到把Cookie保存到文件中了，如果以后想使用，可以利用下面的方法来读取cookie并访问网站，感受一下：

# -*- coding: UTF-8 -*-
from urllib import request
from http import cookiejarif __name__ == '__main__':#设置保存cookie的文件的文件名,相对路径,也就是同级目录下filename = 'cookie.txt'#创建MozillaCookieJar实例对象cookie = cookiejar.MozillaCookieJar()#从文件中读取cookie内容到变量cookie.load(filename, ignore_discard=True, ignore_expires=True)#利用urllib.request库的HTTPCookieProcessor对象来创建cookie处理器,也就CookieHandlerhandler=request.HTTPCookieProcessor(cookie)#通过CookieHandler创建openeropener = request.build_opener(handler)#此用opener的open方法打开网页response = opener.open('http://www.baidu.com')#打印信息print(response.read().decode('utf-8'))1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

了解到以上内容，我们那就可以开始正式编写模拟登陆伯乐在线的程序了。同时，我们也可以获取相亲MM的联系方式。

4.编写代码

我们利用CookieJar对象实现获取cookie的功能，存储到变量中。然后使用这个cookie变量创建opener，使用这个设置好cookie的opener即可模拟登陆，同笔记四中讲到的IP代理的使用方法类似。

创建cookie_test.py文件，编写代码如下：

# -*- coding: UTF-8 -*-
from urllib import request
from urllib import error
from urllib import parse
from http import cookiejarif __name__ == '__main__':#登陆地址login_url = 'http://www.jobbole.com/wp-admin/admin-ajax.php'    #User-Agent信息                   user_agent = r'Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.94 Safari/537.36'#Headers信息head = {'User-Agnet': user_agent, 'Connection': 'keep-alive'}#登陆Form_Data信息Login_Data = {}Login_Data['action'] = 'user_login'Login_Data['redirect_url'] = 'http://www.jobbole.com/'Login_Data['remember_me'] = '0'         #是否一个月内自动登陆Login_Data['user_login'] = '********'       #改成你自己的用户名Login_Data['user_pass'] = '********'        #改成你自己的密码#使用urlencode方法转换标准格式logingpostdata = parse.urlencode(Login_Data).encode('utf-8')#声明一个CookieJar对象实例来保存cookiecookie = cookiejar.CookieJar()#利用urllib.request库的HTTPCookieProcessor对象来创建cookie处理器,也就CookieHandlercookie_support = request.HTTPCookieProcessor(cookie)#通过CookieHandler创建openeropener = request.build_opener(cookie_support)#创建Request对象req1 = request.Request(url=login_url, data=logingpostdata, headers=head)#面向对象地址date_url = 'http://date.jobbole.com/wp-admin/admin-ajax.php'#面向对象Date_Data = {}Date_Data['action'] = 'get_date_contact'Date_Data['postId'] = '4128'#使用urlencode方法转换标准格式datepostdata = parse.urlencode(Date_Data).encode('utf-8')req2 = request.Request(url=date_url, data=datepostdata, headers=head)try:#使用自己创建的opener的open方法response1 = opener.open(req1)response2 = opener.open(req2)html = response2.read().decode('utf-8')index = html.find('jb_contact_email')#打印查询结果print('联系邮箱:%s' % html[index+19:-2])except error.URLError as e:if hasattr(e, 'code'):print("HTTPError:%d" % e.code)elif hasattr(e, 'reason'):print("URLError:%s" % e.reason)1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54