标签：大数 aio with open 爬虫 python 记录 允许 过期 w16
一、ProxyHandler处理（代理服务器）
1.使用代理IP，是爬虫的常用手段
2.获取代理服务器的地址：
www.xicidaili.com
www.goubanjia.com
3.代理用来隐藏真实访问中，代理不允许频繁访问某一个固定网站，所以代理一定要很多很多。
4.基本使用步骤：
（1）设置代理地址
（2）创建PoxyHandler
（3）创建Opener
（4）安装Opener
""" 使用代理访问百度首页 ? """ from urllib import request,error ? if __name__ =="__main__": url = "https://www.baidu.com" #设置代理地址 proxy = {"http":"39.106.114.143:80"} #创建ProxyHandler proxy_handler = request.ProxyHandler(proxy) #创建Opener opener = request.build_opener(proxy_handler) #安装Opener request.install_opener(opener) ? #现在如果访问url。那么就会使用代理服务器 try: rsp = request.urlopen(url) html = rsp.read().decode() print(html) except error.URLError as e: print(e) except Exception as e: print(e)
二、cookie
1..由于http协议的无记忆性，人们为了弥补这个缺憾，所采用的一个补充协议。
2.cookie是发放给用户（即http浏览器）的一段信息，session是保存在服务器上的对应的另一半的信息，用来记录用户信息。
3.cookie和session的区别
（1）存放的位置不相同；（2）cookie不安全；（3）session会保存在服务器上一定时间，会过期；（3）单个cookie保存数据不超过4k，很多浏览器限制一个站点最多保存20个。
4.session存放位置
（1）存在服务器上；（2）一般情况下，session是放在内存中或者数据库中。
5.案例：
没有cookie登录则反馈网页为未登录状态
使用cookie登录
from urllib import request ? if __name__ == "__main__": url = "https://leetcode-cn.com/" headers = { "cookie":"_ga=GA1.2.606835635.1580743041; gr_user_id=d15dfef5-20a7-44a4-8181-f088825ee052; grwng_uid=1d99b83c-8186-4ffa-905e-c912960d9049; __auc=952db4f31700ba0a3811855dc67; csrftoken=zW1tIWrqqDGQ2gDeEAiRM3Pu41f3qetXjvNP5jxuDpekTTyHj262rmfnO2PtXiCI; LEETCODE_SESSION=eyJ0eXAiOiJKV1QiLCJhbGciOiJIUzI1NiJ9.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; a2873925c34ecbd2_gr_session_id=e9ba4267-3dbc-47c1-aa02-c6e92e8eb4a8; a2873925c34ecbd2_gr_last_sent_sid_with_cs1=e9ba4267-3dbc-47c1-aa02-c6e92e8eb4a8; a2873925c34ecbd2_gr_session_id_e9ba4267-3dbc-47c1-aa02-c6e92e8eb4a8=true; _gid=GA1.2.1242221115.1580917808; Hm_lpvt_fa218a3ff7179639febdb15e372f411c=1580917870; a2873925c34ecbd2_gr_cs1=ruigege66; _gat_gtag_UA_131851415_1=1" } req = request.Request(url,headers=headers) rsp = request.urlopen(req) html = rsp.read().decode() with open("rsp.html","w") as f: f.write(html.encode("GBK","ignore").decode("GBK"))
三、源码
Reptitle5_Proxy.py
Reptitle6_Cookie.py
https://github.com/ruigege66/PythonReptile/blob/master/Reptitle5_Proxy.py
https://github.com/ruigege66/PythonReptile/blob/master/Reptitle6_Cookie.py
2.CSDN：https://blog.csdn.net/weixin_44630050
3.博客园：https://www.cnblogs.com/ruigege0000/
4.欢迎关注微信公众号：傅里叶变换，个人公众号，仅用于学习交流，后台回复”礼包“，获取大数据学习资料
标签：大数 aio with open 爬虫 python 记录 允许 过期 w16
原文地址：https://www.cnblogs.com/ruigege0000/p/12267424.html
