爬虫之FileCookieJar

简介

虽然CookieJar模块能够做到给请求设置cookie，但是它的cookie是保存在内存里的，每次用都需要重新设置，

这就衍生了一个它的子类---FileCookieJar，它可以将cookie保存在文件中，然后直接使用就可了

示例

cookie的保存

from urllib import request,parse
from http import cookiejar

# 创建filecookiejar实例对象
# 它需要一个参数，既cookie保存的位置
filename = 'cookie.txt'
cookie = cookiejar.FileCookieJar(filename)

# 根据创建的cookie生成cookie的管理器
cookie_handle = request.HTTPCookieProcessor(cookie)

# 创建http请求管理器
http_handle = request.HTTPHandler()

# 创建https管理器
https_handle = request.HTTPSHandler()

# 创建求求管理器，将上面3个管理器作为参数属性
# 有了opener，就可以替代urlopen来获取请求了
opener =  request.build_opener(cookie_handle,http_handle,https_handle)

def login():
    '''
    负责初次登录
    需要传递用户名和密码，来获取登录的cookie凭证
    '''
    # 登录url，需要从登录form的action属性中获取
    url = 'http://www.renren.com/PLogin.do'

    # 登录所需要的数据，数据为字典形式，
    # 此键值需要从form扁担中对应的input的name属性中获取
    data = {
        'email':'136808069@qq.com',
        'password':'123456'
    }

    # 将数据解析成urlencode格式
    data = parse.urlencode(data)

    req = request.Request(url,data=data)

    # 正常是用request.urlopen(),这里用opener.open()发起请求
    response = opener.open(req)

    # 保存cookie文件
    cookie.save()

if __name__ == '__main__':
    '''
    执行login函数
    '''
    login()

　　

cookie的调用

from urllib import request,parse
from http import cookiejar

# 创建cookiejar实例对象
cookie = cookiejar.FileCookieJar()

# 读取已经保存的cookie文件
# 读取之后，就无需登录，直接访问主页即可
cookie.load('cookie.txt')

# 根据创建的cookie生成cookie的管理器
cookie_handle = request.HTTPCookieProcessor(cookie)

# 创建http请求管理器
http_handle = request.HTTPHandler()

# 创建https管理器
https_handle = request.HTTPSHandler()

# 创建求求管理器，将上面3个管理器作为参数属性
# 有了opener，就可以替代urlopen来获取请求了
opener =  request.build_opener(cookie_handle,http_handle,https_handle)

def getHomePage():
    '''
    获取登录后的页面
    '''

    # 此url是登录后的链接地址
    url = 'http://www.renren.com/965187997/profile'

    # 如果已经执行了上面的login函数，
    # 那么此时的opener已经是包含了cookie信息的一个opener对象
    res = opener.open(url)

    html = res.read().decode()

    with open('renren.html','w') as f:
        f.write(html)

if __name__ == '__main__':
    getHomePage()