python導入cookie

❶ 畢業生必看python爬蟲上手技巧

Python快速上手的7大技巧

Python快速上手爬蟲的7大技巧

1、基本抓取網頁

get方法

post方法

2、使用代理IP

在開發爬蟲過程中經常會遇到IP被封掉的情況，這時就需要用到

代理IP；

在urllib 2包中有Proxy Handler類， 通過此類可以設置代理

訪問網頁，如下代碼片段：

3、Cookies處理

cookies是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) ， python提供了

cookie lib模塊用於處理cookies， cookie lib模塊的主要作

用是提供可存儲cookie的對象， 以便於與urllib 2模塊配合使

用來訪問Internet資源。

代碼片段：

關鍵在於Cookie Jar() ， 它用於管理HTTP cookie值、存儲

HTTP請求生成的cookie、向傳出的HTTP請求添加cookie

的對象。整個cookie都存儲在內存中， 對Cookie Jar實例進

行垃圾回收後cookie也將丟失， 所有過程都不需要單獨去操作

手動添加cookie：

4、偽裝成瀏覽器

某些網站反感爬蟲的到訪，於是對爬蟲一律拒絕請求。所以用

urllib 2直接訪問網站經常會出現HTTP Error 403：

Forbidden的情況。

對有些header要特別留意， Server端會針對這些header

做檢查：

1.User-Agent有些Server或Proxy會檢查該值， 用來判

斷是否是瀏覽器發起的Request。

2.Content-Type在使用REST介面時， Server會檢查該

值， 用來確定HTTP Body中的內容該怎樣解析。

這時可以通過修改http包中的header來實現， 代碼片段如下

5、驗證碼的處理

對於一些簡單的驗證碼，可以進行簡單的識別。我們只進行過一

些簡單的驗證碼識別，但是有些反人類的驗證碼，比如12306

，可以通過打碼平台進行人工打碼，當然這是要付費的。

6、gzip壓縮

有沒有遇到過某些網頁，不論怎麼轉碼都是一團亂碼。哈哈，那

說明你還不知道許多web服務具有發送壓縮數據的能力， 這可

以將網路線路上傳輸的大量數據消減60%以上。這尤其適用於

XML web服務， 因為XML數據的壓縮率可以很高。

但是一般伺服器不會為你發送壓縮數據，除非你告訴伺服器你可

以處理壓縮數據。

於是需要這樣修改代碼：

這是關鍵：創建Request對象， 添加一個Accept-

encoding頭信息告訴伺服器你能接受gzip壓縮數據。

然後就是解壓縮數據：

7、多線程並發抓取

單線程太慢的話，就需要多線程了，這里給個簡單的線程池模板

這個程序只是簡單地列印了1-10，但是可以看出是並發的。

雖然說Python的多線程很雞肋， 但是對於爬蟲這種網路頻繁型

，還是能一定程度提高效率的。

❷ python獲取cookie後怎麼模擬登陸網站

運行平台：Windows

Python版本：Python3.x

IDE：Sublime text3

一、為什麼要使用Cookie

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後才能訪問某個頁面，在登錄之前，你想抓取某個頁面內容，登陸前與登陸後是不同的，或者不允許的。
使用Cookie和使用代理IP一樣，也需要創建一個自己的opener。在HTTP包中，提供了cookiejar模塊，用於提供對Cookie的支持。

三、總結

獲取成功！如果看過之前的筆記內容，我想這些代碼應該很好理解吧。