爬虫類——クッキーアナログ登録

13924 ワード

クッキーはログインが必要なページサイトをキャプチャするのに適しています.
cookieとsessionの仕組み
httpプロトコルは無接続プロトコルで,cookie:クライアントブラウザに保存し,session:Webサーバに保存する.
 
人人網登録判例
方法1:登録サイトで手掴みCookie
1、まず登録に成功して1回、登録情報を携帯するCookieを取得します.
  ログイン成功-個人ホームページ(http://www.renren.com/971989504/profile) - F 12クローズド-個人のホームページを更新します.ホームページのカバンを見つけます.(home)
普通cookieは全部all-->homeデータパックにあります.
2、クッキーを携帯してお願いします.
import requests
​
class RenRenLogin(object):
   def __init__(self):
       # url              
       self.url = 'http://www.renren.com/967469305/profile'
       # headers  cookie          cookie
       self.headers = {
           #     cookie,     
           "Cookie": "xxx",
           "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36",
      }
​
   #         
   def get_html(self):
       html = requests.get(url=self.url,headers=self.headers,verify=False).text
       print(html)
       self.parse_html(html)
​
   #                        
   def parse_html(self,html):
       passif __name__ == '__main__':
   spider = RenRenLogin()
   spider.get_html()
方法二:requestsモジュール処理Cookie
requestsモジュールは、クライアントとサービスエンドのセッション保持を実現するためにsessionクラスを提供する.
1、实例化sessionオブジェクト
  session=requests.session()
2、セッションオブジェクトにgetまたはpost要求を送信させる
  res=session.post(url=url、data=data、headers=headers)
  res=session.get(url=url、headers=headers)
3.整理整頓
ブラウザの原理:アクセスには登録が必要なページが、以前登録したクッキーを持っています.
プログラム原理:同じく前に登録したクッキーを持ってアクセスします.
1、实例化sessionオブジェクト
2、登録サイト:sessionオブジェクト送信要求、対応サイトに登録し、cookieをsessionオブジェクトに保存する.
3、アクセスページ:sessionオブジェクト要求は登録してこそアクセスできるページで、sessionは自動的に前のこのクッキーを携帯して、要求を行うことができます.
具体的な手順
1、登録時のPOSTの住所を探しています.
  ログイン画面でウェブソースを調べ、フォームを調べ、actionの対応する住所を探します. http://www.renren.com/PLogin.do
2、ユーザ名とパスワード情報をPOSTの住所に送信する
  * ユーザ名とパスワード情報は辞書で送信されます.
    キー:ラベルのnameの値(email、password)
    値:本当のユーザ名とパスワード
    post_data=''email''','password''''
プログラム
1、まずPOST:ユーザー名とパスワード情報POSTをどこかの住所に入れます.
2、再GET:正常要求はページ情報を取得する
import requests
from lxml import etree


class RenrenSpider(object):
    def __init__(self):
        self.post_url = 'http://www.renren.com/PLogin.do'
        self.get_url = 'http://www.renren.com/967469305/profile'
        # email password    name    
        self.form_data = {
            'email': '******',     #    
            'password': '*******'} #   
        self.session = requests.session()  #    session      
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36',
            'Referer': 'http://www.renren.com/SysHome.do'}

    #  post  get
    def get_html(self):
        #  POST,         POST     
        self.session.post(url=self.post_url, data=self.form_data, headers=self.headers)
        #  session.get()    
        html = self.session.get(url=self.get_url, headers=self.headers).text
        self.parse_html(html)

    def parse_html(self, html):
        parse_html = etree.HTML(html)
        r_list = parse_html.xpath('//li[@class="school"]/span/text()')
        print(r_list)


if __name__ == '__main__':
    spider = RenrenSpider()
    spider.get_html()
方法3
1、キャプチャしたクッキーを辞書2に処理し、requests.get()のパラメータを使う:cookies
import requests
from lxml import etree


class RenrenLogin(object):
    def __init__(self):
        # url              
        self.url = 'http://www.renren.com/967469305/profile'
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36'}

    #     cookie      
    def get_cookie_dict(self):
        cookie_dict = {}
        cookies = 'td_cookie=18446744073093166409; anonymid=jzc3yiknvd9kwr; depovince=GW; jebecookies=67976425-f482-44a7-9668-0469a6a14d16|||||; _r01_=1; JSESSIONID=abcp_jUgWA4RdcgwXqtYw; ick_login=f502b729-d6cb-4085-8d74-4308a0a8a17d; _de=4DBCFCC17D9E50C8C92BCDC45CC5C3B7; p=cae86d9f12c5a1ba30901ad3d6ac992f5; first_login_flag=1; ln_uact=13603263409; ln_hurl=http://hdn.xnimg.cn/photos/hdn221/20181101/1550/h_main_qz3H_61ec0009c3901986.jpg; t=6d191b90a0236cea74f99b9d88d3fbd25; societyguester=6d191b90a0236cea74f99b9d88d3fbd25; id=967469305; xnsid=6cbc5509; ver=7.0; loginfrom=null; jebe_key=bd6eb791-92b2-4141-b8ed-53d17551d830%7C2012cb2155debcd0710a4bf5a73220e8%7C1565838783310%7C1%7C1565838784555; jebe_key=bd6eb791-92b2-4141-b8ed-53d17551d830%7C2012cb2155debcd0710a4bf5a73220e8%7C1565838783310%7C1%7C1565838784558; wp_fold=0'
        for kv in cookies.split('; '):
            # kv: 'td_cookie=184xxx'
            key = kv.split('=')[0]
            value = kv.split('=')[1]
            cookie_dict[key] = value

        return cookie_dict

    #         
    def get_html(self):
        #   cookies
        cookies = self.get_cookie_dict()
        print(cookies)
        html = requests.get(url=self.url, headers=self.headers, cookies=cookies, ).text
        self.parse_html(html)

    #                        
    def parse_html(self, html):
        parse_html = etree.HTML(html)
        r_list = parse_html.xpath('//*[@id="operate_area"]/div[1]/ul/li[1]/span/text()')
        print(r_list)


if __name__ == '__main__':
    spider = RenrenLogin()
    spider.get_html()