cookie在爬虫中的应用

欢迎关注”生信修炼手册”!

当爬取需要登录之后才可以获取的页面时，我们就可以借助cookie来实现。cookie是一种存储在本地浏览器中的用户认证信息，具体表现为一串字符串。当我们在浏览器中登录之后，可以通过F12查看对应的cookie信息，示例如下

cookie的表现形式是键值对，类似python中的字典，可以有多个键，有些网站还会对值进行加密处理。

cookie是一个动态信息，是和服务器交互之后生成的，具有时效性，在有效期内，cookie可以保持用户的登录状态，避免重复登录。当我们手动重新登录时，可以看到cookie的信息发生了变化

利用cookie的这一特性，一个简便的爬取办法是从浏览器获取cookie, 然后用该cookie来与网站交互，从而绕过了登录的限制。在urllib模块中的用法如下

requests模块中的用法如下

如果是短时的数据采集操作，用这种方式还是相当便利的。为了克服cookie的时效性问题，也可以通过爬虫模拟登录，然后动态获取cookie信息。当然，模拟登录是比较复杂的，对于简单的用户名和密码登录的网站，程序处理还比较简单，对于需要验证码的网站，验证码的机器识别的难度决定了模拟登录的难度。

可以做到模拟登录的话，就可以通过http.cookiejar来自动管理cookie, 代码如下

cookie可以保护我们的登录信息，适用于爬取需要登录之后才能查看的页面，手动管理操作简便，自动管理需要克服模拟登录的难点。

·end·

—如果喜欢，快分享给你的朋友们吧—

原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！

本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。