码迷,mamicode.com
首页 > 其他好文 > 详细

25-3 requests模块的cookie和代理操作

时间:2018-11-03 14:14:18      阅读:221      评论:0      收藏:0      [点我收藏+]

标签:设置代理   requests   ext   ons   like   人人网   服务   mail   usr   

一.基于requests模块的cookie操作

引言:有些时候,我们在使用爬虫程序去爬取一些用户相关信息的数据(爬取张三“人人网”个人主页数据)时,如果使用之前requests模块常规操作时,往往达不到我们想要的目的,例如:

 1 #!/usr/bin/env python
 2 # -*- coding:utf-8 -*-
 3 import requests
 4 if __name__ == "__main__":
 5 
 6     #张三人人网个人信息页面的url
 7     url = http://www.renren.com/289676607/profile
 8 
 9    #伪装UA
10     headers={
11         User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36,
12     }
13     #发送请求,获取响应对象
14     response = requests.get(url=url,headers=headers)
15     #将响应内容写入文件
16     with open(./renren.html,w,encoding=utf-8) as fp:
17         fp.write(response.text)

 

- 结果发现,写入到文件中的数据,不是张三个人页面的数据,而是人人网登陆的首页面,why?首先我们来回顾下cookie的相关概念及作用:

    - cookie概念:当用户通过浏览器首次访问一个域名时,访问的web服务器会给客户端发送数据,以保持web服务器与客户端之间的状态保持,这些数据就是cookie。

    - cookie作用:我们在浏览器中,经常涉及到数据的交换,比如你登录邮箱,登录一个页面。我们经常会在此时设置30天内记住我,或者自动登录选项。那么它们是怎么记录信息的呢,答案就是今天的主角cookie了,Cookie是由HTTP服务器设置的,保存在浏览器中,但HTTP协议是一种无状态协议,在数据交换完毕后,服务器端和客户端的链接就会关闭,每次交换数据都需要建立新的链接。就像我们去超市买东西,没有积分卡的情况下,我们买完东西之后,超市没有我们的任何消费信息,但我们办了积分卡之后,超市就有了我们的消费信息。cookie就像是积分卡,可以保存积分,商品就是我们的信息,超市的系统就像服务器后台,http协议就是交易的过程。

- 经过cookie的相关介绍,其实你已经知道了为什么上述案例中爬取到的不是张三个人信息页,而是登录页面。那应该如何抓取到张三的个人信息页呢?

  思路:

    1.我们需要使用爬虫程序对人人网的登录时的请求进行一次抓取,获取请求中的cookie数据

    2.在使用个人信息页的url进行请求时,该请求需要携带 1 中的cookie,只有携带了cookie后,服务器才可识别这次请求的用户信息,方可响应回指定的用户信息页数据

 1 #!/usr/bin/env python
 2 # -*- coding:utf-8 -*-
 3 import requests
 4 if __name__ == "__main__":
 5 
 6     #登录请求的url(通过抓包工具获取)
 7     post_url = http://www.renren.com/ajaxLogin/login?1=1&uniqueTimestamp=201873958471
 8     #创建一个session对象,该对象会自动将请求中的cookie进行存储和携带
 9     session = requests.session()
10    #伪装UA
11     headers={
12         User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36,
13     }
14     formdata = {
15         email: 17701256561,
16         icode: ‘‘,
17         origURL: http://www.renren.com/home,
18         domain: renren.com,
19         key_id: 1,
20         captcha_type: web_login,
21         password: 7b456e6c3eb6615b2e122a2942ef3845da1f91e3de075179079a3b84952508e4,
22         rkey: 44fd96c219c593f3c9612360c80310a3,
23         f: https%3A%2F%2Fwww.baidu.com%2Flink%3Furl%3Dm7m_NSUp5Ri_ZrK5eNIpn_dMs48UAcvT-N_kmysWgYW%26wd%3D%26eqid%3Dba95daf5000065ce000000035b120219,
24     }
25     #使用session发送请求,目的是为了将session保存该次请求中的cookie
26     session.post(url=post_url,data=formdata,headers=headers)
27 
28     get_url = http://www.renren.com/960481378/profile
29     #再次使用session进行请求的发送,该次请求中已经携带了cookie
30     response = session.get(url=get_url,headers=headers)
31     #设置响应内容的编码格式
32     response.encoding = utf-8
33     #将响应内容写入文件
34     with open(./renren.html,w) as fp:
35         fp.write(response.text)

 

二.基于requests模块的代理操作

  • 什么是代理
    • 代理就是第三方代替本体处理相关事务。例如:生活中的代理:代购,中介,微商......

  • 爬虫中为什么需要使用代理

    • 一些网站会有相应的反爬虫措施,例如很多网站会检测某一段时间某个IP的访问次数,如果访问频率太快以至于看起来不像正常访客,它可能就会会禁止这个IP的访问。所以我们需要设置一些代理IP,每隔一段时间换一个代理IP,就算IP被禁止,依然可以换个IP继续爬取。

  • 代理的分类:

    • 正向代理:代理客户端获取数据。正向代理是为了保护客户端防止被追究责任。

    • 反向代理:代理服务器提供数据。反向代理是为了保护服务器或负责负载均衡。

  • 免费代理ip提供网站

    • http://www.goubanjia.com/

    • 西祠代理

    • 快代理

  • 代码

     1 #!/usr/bin/env python
     2 # -*- coding:utf-8 -*-
     3 import requests
     4 import random
     5 if __name__ == "__main__":
     6     #不同浏览器的UA
     7     header_list = [
     8         # 遨游
     9         {"user-agent": "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)"},
    10         # 火狐
    11         {"user-agent": "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1"},
    12         # 谷歌
    13         {
    14             "user-agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11"}
    15     ]
    16     #不同的代理IP
    17     proxy_list = [
    18         {"http": "112.115.57.20:3128"},
    19         {http: 121.41.171.223:3128}
    20     ]
    21     #随机获取UA和代理IP
    22     header = random.choice(header_list)
    23     proxy = random.choice(proxy_list)
    24 
    25     url = http://www.baidu.com/s?ie=UTF-8&wd=ip
    26     #参数3:设置代理
    27     response = requests.get(url=url,headers=header,proxies=proxy)
    28     response.encoding = utf-8
    29     
    30     with open(daili.html, wb) as fp:
    31         fp.write(response.content)
    32     #切换成原来的IP
    33     requests.get(url, proxies={"http": ""})
    34  

     

25-3 requests模块的cookie和代理操作

标签:设置代理   requests   ext   ons   like   人人网   服务   mail   usr   

原文地址:https://www.cnblogs.com/huningfei/p/9900206.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!