本文實現cookie的自動獲取，及cookie過期自動更新。
社交網站中的很多信息需要登錄才能獲取到，以微博為例，不登錄賬號，只能看到大V的前十條微博。保持登錄狀態，必須要用到Cookie。以登錄www.weibo.cn 為例：
在chrome中輸入：http://login.weibo.cn/login/
分析控制臺的Headers的請求返回，會看到weibo.cn有幾組返回的cookie。
實現步驟：
1，采用selenium自動登錄獲取cookie，保存到文件;
2，讀取cookie，比較cookie的有效期，若過期則再次執行步驟1；
3，在請求其他網頁時，填入cookie，實現登錄狀態的保持。
1，在線獲取cookie
采用selenium + PhantomJS 模擬瀏覽器登錄，獲取cookie；
cookies一般會有多個，逐個將cookie存入以.weibo后綴的文件。
def get_cookie_from_network(): from selenium import webdriver url_login = 'http://login.weibo.cn/login/' driver = webdriver.PhantomJS() driver.get(url_login) driver.find_element_by_xpath('//input[@type="text"]').send_keys('your_weibo_accout') # 改成你的微博賬號 driver.find_element_by_xpath('//input[@type="password"]').send_keys('your_weibo_password') # 改成你的微博密碼 driver.find_element_by_xpath('//input[@type="submit"]').click() # 點擊登錄 # 獲得 cookie信息 cookie_list = driver.get_cookies() print cookie_list cookie_dict = {} for cookie in cookie_list: #寫入文件 f = open(cookie['name']+'.weibo','w') pickle.dump(cookie, f) f.close() if cookie.has_key('name') and cookie.has_key('value'): cookie_dict[cookie['name']] = cookie['value'] return cookie_dict2，從文件中獲取cookie
從當前目錄中遍歷以.weibo結尾的文件，即cookie文件。采用pickle解包成dict，比較expiry值與當前時間，若過期則返回為空；
def get_cookie_from_cache(): cookie_dict = {} for parent, dirnames, filenames in os.walk('./'): for filename in filenames: if filename.endswith('.weibo'): print filename with open(self.dir_temp + filename, 'r') as f: d = pickle.load(f) if d.has_key('name') and d.has_key('value') and d.has_key('expiry'): expiry_date = int(d['expiry']) if expiry_date > (int)(time.time()): cookie_dict[d['name']] = d['value'] else: return {} return cookie_dict3，若緩存cookie過期，則再次從網絡獲取cookie
def get_cookie(): cookie_dict = get_cookie_from_cache() if not cookie_dict: cookie_dict = get_cookie_from_network() return cookie_dict
4，帶cookie請求微博其他主頁
def get_weibo_list(self, user_id): import requests from bs4 import BeautifulSoup as bs cookdic = get_cookie() url = 'http://weibo.cn/stocknews88' headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.57 Safari/537.36'} timeout = 5 r = requests.get(url, headers=headers, cookies=cookdic,timeout=timeout) soup = bs(r.text, 'lxml') ... # 用BeautifulSoup 解析網頁 ...總結
以上所述是小編給大家介紹的網頁爬蟲之cookie自動獲取及過期自動更新的實現方法，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對武林網網站的支持！
新聞熱點
疑難解答
