-
3.12 Python爬虫实现Cookie模拟登录
-
在使用爬虫采集数据的规程中,我们会遇到许多不同类型的网站,比如一些网站需要用户登录后才允许查看相关内容,如果遇到这种类型的网站,又应该如何编写爬虫程序呢?Cookie 模拟登录技术成功地解决了此类问题。
Cookie 是一个记录了用户登录状态以及用户属性的加密字符串。当你第一次登陆网站时,服务端会在返回的 Response Headers 中添加 Cookie, 浏览器接收到响应信息后,会将 Cookie 保存至浏览器本地存储中,当你再次向该网站发送请求时,请求头中就会携带 Cookie,这样服务器通过读取 Cookie 就能识别登陆用户了。
提示:我们所熟知的“记住密码”功能,以及“老用户登陆”欢迎语,这些都是通过 Cookie 实现的。
下面介绍如何实现 Cookie 模拟登录,本节以模拟登录人人网(http://life.renren.com/)为例进行讲解。
首先你要注册一个人人网的账号,注册过中要填写个人资料,以便后续抓取数据使用。注册成功后点击上方头像进入我的主页(或左侧主页选项卡),如下图所示:
然后使用 F12 打开调试工具,刷新页面来抓取登录时的数据包(包名:timeline...开头), 并在 Headers 选项中找到请求头中的 Cookie 信息,将 Cookie 值拷贝下来,以备后续使用。如下所示:
分析网页结构
确定了 Cookie 信息后,接下来分析页面元素结构。通过调试工具审查如图 1 所示的个人信息栏,其元素结构如下:
<div id="operate_area" class="clearfix"> <div class="tl-information"> <ul> <li class="school"><span>就读于电子科技大学</span></li> <li class="birthday"> <span>男生</span> <span>,7月7日</span> </li> <li class="hometown">来自北京西城区</li> <li class="address">现居 北京</li> </ul> ... </div> </div>
由此可知其 Xpath 表达式为:
r_school = parse_html.xpath('//*[@id="operate_area"]/div[1]/ul/li[1]/span/text()' r_birthday = parse_html.xpath('//li[@class="birthday"]/span/text()') home_info=parse_html.xpath('//*[@id="operate_area"]/div[1]/ul/li/text()')
编写完整程序
完成程序如下所示:
import requests from lxml import etree class RenrenLogin(object): def __init__(self): # 个人主页的url地址 self.url = 'http://www.renren.com/972496145/profile' self.headers = { # 将拷贝的cookie值放在此处 'Cookie':'anonymid=kmol2vxqgd4n0e; depovince=HEB; _r01_=1; ick_login=c577d6c0-0ec3-465a-89d0-9e2b8f23e107; taihe_bi_sdk_uid=0738130d7f4532165841f09abc596215; taihe_bi_sdk_session=6277ea795624ba1eddb2603d7fe45c85; _de=1D29BC9596B9643C92425970B59A3DAE; p=3e6989099ff75de92407b791266376095; first_login_flag=1; ln_uact=18519784236; ln_hurl=http://hdn.xnimg.cn/photos/hdn321/20191017/0945/h_main_El46_9a13000ecbe41986.jpg; t=7f25f8a4d3515786d146143f63d108b25; societyguester=7f25f8a4d3515786d146143f63d108b25; id=972496145; xnsid=9770206d; wpsid=15900539012757; ver=7.0; loginfrom=null; wp_fold=0; jebecookies=59f8dfaf-8416-4dbc-a539-016a7ae1b6c5|||||', # 注意,useragent不能改变,否则cookie失效 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36' } def get_html(self): html = requests.get(url=self.url,headers=self.headers).text self.parse_html(html) def parse_html(self,html): parse_html = etree.HTML(html) r_school = parse_html.xpath('//*[@id="operate_area"]/div[1]/ul/li[1]/span/text()') print(r_school) r_birthday = parse_html.xpath('//li[@class="birthday"]/span/text()') print(r_birthday) home_info=parse_html.xpath('//*[@id="operate_area"]/div[1]/ul/li/text()') item = {} item['hometown'] = home_info[2].strip() item['address'] = home_info[3].strip() print(item) if __name__ == '__main__': spider = RenrenLogin() spider.get_html()
最后关闭“人人网”网站,运行上述程序,其结果如下:
- 留下你的读书笔记
- 你还没登录,点击这里
-
用户笔记留言