如何使用Cookie模擬登錄瀏覽網頁和資源

這篇文章將為大家詳細講解有關如何使用Cookie模擬登錄瀏覽網頁和資源，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

在實際情況中，很多網站的內容都是需要登錄之后才能看到，如此我們就需要進行模擬登錄，使用登錄后的狀態進行爬取。這里就需要使用到Cookie。

現在大多數的網站都是使用Cookie跟蹤用戶的登錄狀態，一旦網站驗證了登錄信息，就會將登錄信息保存在瀏覽器的cookie中。網站會把這個cookie作為驗證的憑據，在瀏覽網站的頁面是返回給服務器。
因為cookie是保存在本地的，自然cookie就可以進行篡改和偽造，暫且不表，我們先來看看Cookie長什么樣子。
打開網頁調試工具，隨便打開一個網頁，在“network”選項卡，打開一個鏈接，在headers里面：

我們復制出來看看：

__guid=137882464.208312339030071800.1455264073383.613;
 __huid=10POq43DvPO3U0izV0xej4%2BFDIemVPybee0j1Z1xnJnpQ%3D;
 __hsid=825c7462cc8195a5; 
somultiswitch=1;
 __seedSign=68; 
count=1; sessionID=132730903.3074093016427610600.1483758834211.764;
 piao34=1;
city_code=101280101;
customEng=1-7

由一個個鍵值對組成。
接下來，我們以看看豆的一本書籍的詳情頁為例，講解一下Cookie的使用。
看看豆是一個電子書下載網站，自己Kindle上的書多是從這上面找尋到的。
示例網址為：https://kankandou.com/book/view/22353.html
正常情況下，未登錄用戶是看不到下載鏈接的，比如這樣：

隱藏了書籍的下載鏈接。
其頭信息如下：


我們再看看登錄之后的頁面：

下載鏈接已經顯示出來了，我們看看頭信息的Cookie部分

很明顯地與之前未登錄狀態下的Cookie有區別。
接下來，我們對示例網址進行HTTP請求：

# coding:utf-8
import requests
from bs4 import BeautifulSoup
url = 'https://kankandou.com/book/view/22353.html'wbdata = requests.get(url).text
soup = BeautifulSoup(wbdata,'lxml')
print(soup)

結果如下：

我們從中找到下載鏈接存在的欄目“書籍導購”的HTML代碼：

<h3 class="title">書籍導購</h3><div class="object"><div class="object-files"><div class="amazon"><a href="http://www.amazon.cn/gp/search?ie=UTF8&camp=536&creative=3200&index=books&keywords=宇宙是貓咪酣睡的夢&linkCode=ur2&tag=kkd8-23" target="_blank" title="如果您喜歡《宇宙是貓咪酣睡的夢》這本書，請去亞馬遜購買。">去亞馬遜購買《宇宙是貓咪酣睡的夢》</a></div></div></div>

如同我們在未登錄狀態使用瀏覽器訪問這個網址一樣，只顯示了亞馬遜的購買鏈接，而沒有電子格式的下載鏈接。
我們嘗試使用以下登錄之后的Cookie：
使用Cookie有兩種方式，

完整代碼如下：

# coding:utf-8
import requests
from bs4 import BeautifulSoup

cookie = '''cisession=19dfd70a27ec0eecf1fe3fc2e48b7f91c7c83c60;CNZZDATA1000201968=1815846425-1478580135-https%253A%252F%252Fwww.baidu.com%252F%7C1483922031;Hm_lvt_f805f7762a9a237a0deac37015e9f6d9=1482722012,1483926313;Hm_lpvt_f805f7762a9a237a0deac37015e9f6d9=1483926368'''header = {    
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36',    
'Connection': 'keep-alive',       
'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',  
'Cookie': cookie}

url = 'https://kankandou.com/book/view/22353.html'wbdata = requests.get(url,headers=header).text
soup = BeautifulSoup(wbdata,'lxml')
print(soup)

上述代碼返回了對頁面的響應，
我們搜索響應的代碼，

紅色橢圓的部分與未帶Cookie訪問是返回的HTML一致，為亞馬遜的購買鏈接，
紅色矩形部分則為電子書的下載鏈接，這是在請求中使用的Cookie才出現的
對比實際網頁中的模樣，與用網頁登錄查看的顯示頁面是一致的。
功能完成。接下來看看第二種方式

完整代碼如下：

# coding:utf-8
import requests
from bs4 import BeautifulSoup

cookie = {"cisession":"19dfd70a27ec0eecf1fe3fc2e48b7f91c7c83c60",          
"CNZZDATA100020196":"1815846425-1478580135-https%253A%252F%252Fwww.baidu.com%252F%7C1483922031",          
"Hm_lvt_f805f7762a9a237a0deac37015e9f6d9":"1482722012,1483926313",          
"Hm_lpvt_f805f7762a9a237a0deac37015e9f6d9":"1483926368"}

url = 'https://kankandou.com/book/view/22353.html'
wbdata = requests.get(url,cookies=cookie).text
soup = BeautifulSoup(wbdata,'lxml')
print(soup)

如此獲取到的也是登錄后顯示的HTML：

這樣，我們就輕松的使用Cookie獲取到了需要登錄驗證后才能瀏覽到的網頁和資源了。
關于Cookie如何獲取，手動復制是一種辦法，通過代碼獲取，需要使用到Selenium。

關于如何使用Cookie模擬登錄瀏覽網頁和資源就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。