爬虫中运用 cookie 来跳过登录问题，爬虫cookie,未经作者许可，禁止转载！

爬虫中运用 cookie 来跳过登录问题，爬虫cookie,未经作者许可，禁止转载！

本文作者： 编橙之家 - 路易十四 。未经作者许可，禁止转载！
欢迎加入编橙之家 专栏作者。

首先解析一下cookie的原理部分

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）由网络服务器发送出来以存储在网络浏览器上，从而下次这位独一无二的访客又回到该网络服务器时，可从该浏览器读回此信息。这是很有用的，让浏览器记住这位访客的特定信息，如上次访问的位置、花费的时间或用户首选项（如样式表）。Cookie 是个存储在浏览器目录的文本文件，当浏览器运行时，存储在 RAM 中。一旦你从该网站或网络服务器退出，Cookie 也可存储在计算机的硬驱上。当访客结束其浏览器对话时，即终止的所有 Cookie。

Cookies最典型的应用是判定注册用户是否已经登录网站，用户可能会得到提示，是否在下一次进入此网站时保留用户信息以便简化登录手续，这些都是Cookies的功用。

因此：浏览时任何时候都有cookie（除非你自己关了），不过你在登录之后获取到的cookie则会是保留你登录状态的cookie。

###################各种爬虫代码的分界线###################

1：scrapy：在spider中把你新的请求加一个参数

Python

class SanzhaSpider(Spider):
  name = "douban"
  allowed_domains = ["http://www.douban.com"]
  def start_requests(self):
      yield Request(response.url,cookies={‘viewed‘:‘"1083428"‘, ‘__utmv‘:‘30149280.3975‘}, callback=self.parse_with_cookie)

你可以搜 scrapy set cookie 有详细的部分。（可能有版本更新问题）

2：phantomjs: 内部函数addCookie调用即可，

phantom.addCookie({
    'name':     'some name here',   /* required property */
    'value':    'some hash here',
    'domain':   'ea.some domain here.com',           /* required property */
    'path':     '/',
    'httponly': false,
    'secure':   false,
    'expires':  (new Date()).getTime() + (10000 * 60 * 60)   /* <-- expires in 10 hour */
});

查官网是最好的：addCookie | PhantomJS

3：使用urllib2

import urllib2
opener = urllib2.build_opener()
opener.addheaders.append(('Cookie', 'cookiename=cookievalue'))
f = opener.open("http://example.com/")

这个，不用说了吧。

4：如何用程序自动获取cookie呢？

python 有个叫Cookie的包。
Python Cookie HTTP获取cookie并处理

还有用requests自带监控cookie
python爬虫学习（六）requests 关于cookie的堪误

打赏支持我写出更多好文章，谢谢！

打赏作者

打赏支持我写出更多好文章，谢谢！