requests库之Cookie
1、简介
Requests是用Python语言编写的，基于urllib3来改写的，采用Apache2 Licensed 来源协议的HTTP库。它比urllib更加方便，可以节约我们大量的工作，完全满足HTTP测试需求。
一句话---Python实现的简单易用的HTTP库。
2、基本用法
[root@elasticsearch-01 ~]# pip3 install requests
#各种请求方式：常用的就是requests.get()和requests.post()
>>> import requests
>>> r =requests.get('https://api.github.com/events')
>>> r =requests.post('http://httpbin.org/post', data ={'key':'value'})
>>> r =requests.put('http://httpbin.org/put', data ={'key':'value'})
>>> r =requests.delete('http://httpbin.org/delete')
>>> r =requests.head('http://httpbin.org/get')
>>> r =requests.options('http://httpbin.org/get')3、GET 请求
首先，构建一个最简单的GET请求，请求的链接为http://httpbin.org/get,该网站会判断如果客户端发起的是GET 请求的话，他返回相应的请求信息：
importrequests
r= requests.get('http://httpbin.org/get')
print(r.text)4、带参数GET请求
我们成功发起了GET请求，返回结果中包含请求头，URL，IP等信息。那么，对于GET 请求，如果要附加额外的信息，一般怎么添加呢？在URL后面拼接，用一个？来分割一下，参数传过来然后用&的符号来进行分割，比如现在想添加两个参数，其中name是germery，age是22.哟构造这个请求链接，是不是可以直接写成：
r= requests.get('http://httpbin.org/get？name=germery&age=22')这样也可以，但是一般情况下，这种信息数据会用字典来存储。那么怎么构造这个链接呢？---->利用params这个参数就好了，示例如下：
importrequests
data= {
'name':'germary',
'age':22
}
r= requests.get('http://httpbin.org/get',params=data)
print(r.text)通过运行结果可以判断，请求的链接自动被构成了：http://httpbin.org/get？name=germery&age=22
5、使用超时参数
平时在浏览器里面访问页面的时候经常会出现 “正在加载中…” 或者 一个小圆圈不停的转 这样的情况，这种情况可能是由于网络波动引起的。那么在程序里面会不会出现这种情况呢？肯定是会的。如果出现这种情况程序就会卡死在这里，直到网络稳定之后才会继续执行。那有没有什么解决方法呢？有的，就是使用timeout参数，比如：
importrequests
url= "http://www.baidu.com"
response= requests.get(url,timeout=0.01)
print(response.content.decode())主要注意这一句:
response= requests.get(url,timeout=0.01)这句话的意思是：如果在0.01s之内可以得到响应就没事，如果得不到响应就报错。如下图：
另外也可以利用retry模块进行多次请求，如果全部都失败才报错。当然使用retry库之前也需要先安装。
importrequests
fromretryingimportretry
# 这里的headers使用的是手机版的
m_headers= {
"User-Agent":"Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1"
}
@retry(stop_max_attempt_number= 10) #让被装饰的函数反复执行10次，10次全部报错才会报错， 中间有一次正常就继续往下走
defparse_url1(url):
response= requests.get(url, headers=m_headers, timeout=5)
returnresponse.content.decode()
# 真正的url请求函数
defparse_url(url):
try:
html_str= parse_url1(url)
except:
html_str= None
returnhtml_str
if__name__== '__main__':
url= "http://www.baidu.com"
print(parse_url(url))6、啥是cookie
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，它是Internet站点创建的，为了辨别用户身份而储存在用户本地终端上的数据，cookie大部分都是加密的，cookie存在于缓存中或者硬盘中，在硬盘中的是一些文本文件，当你访问该网站时，就会读取对应的网站的cookie信息，cookie有效地提升了用户体验，一般来说，一旦将cookie保存在计算机上，则只有创建该cookie的网站才能读取它。
简单说cookie就是客户端向服务器端保持状态的，它可以辨别用户的身份，大部分是加密的。我们可以用的就是模拟登陆，在需要输入登陆账号和密码的网站就可以利用Cookie来获取数据，比如csdn
7、三种Cookie请求方式
1.第一种：cookie放在headers中
这里以请求我自己的运维猫文章为例：
首先找到登陆之后的Cookie和User-Agent，然后将User-Agent和Cookie复制到程序里面，如下：
importrequests
importio
importsys
reload(sys)
sys.setdefaultencoding('utf8')
url= "https://mp.weixin.qq.com/s?__biz=Mzg4OTIzNjM1Mw==&mid=2247485333&idx=1&sn=9ad3596e2dc36d7e4c87abd4c4124319&chksm=cfefb97bf898306df970d97e378d780c5d8e61bebf8bf3fba071b30ab91473864302c6e8ca98&token=955768272&lang=zh_CN#rd"
headers= {"User_Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36",
"Cookie": "这个还是算了吧，用你们自己的文章试 ^-^ "
}
response= requests.get(url, headers= headers)
withio.open("ywm.html", "w",encoding="utf-8") asf:
f.write(response.content.decode())这样就将这个页面的数据返回到了csdn.html这个文件里面，打开看一下，如下图：
和我自己的博客主页是一样的，而且超链接都保留了。
2.第二种：cookie字典传给cookies参数
这里以请求人人网为例：
找到对应的cookie和User-Agent，如下：
importrequests
importio
importsys
reload(sys)
sys.setdefaultencoding('utf8')
url= "https://mp.weixin.qq.com/s?__biz=Mzg4OTIzNjM1Mw==&mid=2247485333&idx=1&sn=9ad3596e2dc36d7e4c87abd4c4124319&chksm=cfefb97bf898306df970d97e378d780c5d8e61bebf8bf3fba071b30ab91473864302c6e8ca98&token=955768272&lang=zh_CN#rd"
headers= {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36",
}
# 不带上Cookie就访问不了这个页面
cookie= "anonymid=jk63khrk-y97r4p; _r01_=1; ln_uact=mr_mao_hacker@163.com; ln_hurl=http://hdn.xnimg.cn/photos/hdn421/20180720/1740/main_JAWQ_0aa000000ceb195a.jpg; _ga=GA1.2.273332130.1532825428; depovince=HUN; JSESSIONID=abcE5k0CiAJDc9ESVEcuw; ick_login=026ba348-e4e9-4871-9ce3-5868b95cfdd3; first_login_flag=1; loginfrom=syshome; wp_fold=0; BAIDU_SSP_lcr=https://www.baidu.com/link?url=VRx_HKUd53I5rYWZHvrQ9VVLotqST6-jtaZDlscFYCO&wd=&eqid=e957aec400037928000000065b64fcab; ick=64518f30-9a22-47df-b3c3-4114f185c3c6; t=8fcf47068763c279eea2620b51b7a3311; societyguester=8fcf47068763c279eea2620b51b7a3311; id=967272361; xnsid=fd736c63; jebecookies=3f9a3853-3371-4857-8268-308d663ca146|||||; jebe_key=19041c4e-4d38-4dc1-bfb9-124b81afae61%7C33b1d8f602cf6dd5a9834fe6f2bf97f2%7C1533346094265%7C1%7C1533346099750"
# 将上面哪个cookie转化成字典类型
cookie_dict= {i.split("=")[0]:i.split("=")[-1] foriincookie.split("; ")}
response= requests.get(url, headers= headers, cookies= cookie_dict)
withio.open("ywm.html", "w",encoding="utf-8") asf:
f.write(response.content.decode())3.第三种：先发送post请求，获取cookie，带上cookie请求登陆之后的页面
这里要用到一个seesion类，seesion 实例具有的方法和requests一样，但是 seesion具有保持功能， 就类似浏览器输入一次密码之后，会自动保留cookie
seesion = requests.seesion()seesion.post(url, data, headers) # 服务器设置在本地的cookie会保存在本地seesion.get(url) # 会带上之前保存在seesion中的cookie，能够请求成功这种方法要先提交自己的账号密码，并且要找到提交的地址。那么如何找到提交地址呢？
通过找form表单的action属性 (这里以人人网为例)，如下：
import requests
import io
import sys
reload(sys)
sys.setdefaultencoding('utf8')
headers ={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36"}
seesion =requests.session()
# 因为人人网有from表单，所以可以直接找地址：http://www.renren.com/PLogin.do
# 如果没有的就要抓包了
post_url ="http://www.renren.com/PLogin.do" # form表单里面直接找到的
#post_url = "http://www.renren.com/ajaxLogin/login?
# 用户名作为键， 真正的密码作为值 模拟登陆
post_data ={"email":"xxxx", "password":"xxxx"}
seesion.post(post_url, headers =headers, data =post_data)
url ="再次请求登陆的url"
response =seesion.get(url, headers =headers)
with io.open("ywm.html", "w",encoding="utf-8") as f:
f.write(response.content.decode())8、总结
python的爬虫相关模块有很多，除了requests模块，再如urllib和pycurl以及tornado等。相比而言，我个人觉得requests模块是相对简单易上手的了。通过文本，大家可以迅速学会使用python的requests模块爬取页码内容。本人能力有限，如果文章有任何错误欢迎不吝赐教，其次如果大家有任何关于python爬虫的疑难杂问，也欢迎和大家一起交流讨论。