【Python爬虫基础篇】--3.cookie和session

1.1.定义

1.2.参数

1.3.分类

2.session

3.使用cookie登录微博

4.使用session登录

由于http是一个无状态的协议，请求与请求之间无法相互传递或者记录一些信息，cookie和session正是为了解决这个问题而产生。

例子：当我需要爬取我的微博账号的粉丝信息的时候，如果直接使用下面的代码

import requestsbase_url = 'https://weibo.com/u/6320270401'
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36',
}
response=requests.get(base_url,headers=headers)

是获取不到信息的，

这并不是微博的个人信息页面。这也再一次证明了如果代码中并没有携带Cookie信息，则并不会进入到个人信息页面，而是跳转到了其他页面。

1.1.定义

定义：cookie指某些网站为例辨别用户身份，进行会话跟踪而存储在用户本地终端上的数据

1.2.参数

参数：

字段	作用
Name	Cookie的名称，创建后不可更改。
Value	Cookie的值。Unicode字符需编码，二进制数据需BASE64编码。
Domain	可访问该Cookie的域名（如 `.zhihu.com` 允许所有子域名访问）。若未指定，默认为当前域名。
MaxAge	失效时间（秒）。正数表示存活时间；负数表示浏览器关闭后失效；0表示立即删除。与`Expires`配合使用（优先级高于`Expires`）。
Path	限制Cookie的路径访问。例如 `/path/` 仅允许该路径下的页面访问；`/` 表示全站可访问。
Size	Cookie的大小（字节）。
HTTP	若为`true`，则仅通过HTTP头传输，禁止JavaScript（如`document.cookie` ）访问，增强安全性（防XSS攻击）。
Secure	若为`true`，仅通过HTTPS/SSL等安全协议传输，防止明文泄露。默认为`false`。

1.3.分类

会话cookie
持久cookie

会话cookie指存在浏览器内存的cookie，当浏览器关闭，会话cookie会失效。
持久cookie是保存在硬盘上的cookie
这两种cookie的分配标准主要是通过maxAge或者expires这个cookie字段

2.session

(议会等的)会议，会期；

Session（会话）是服务端用来跟踪用户状态的机制。核心原理是：

服务器为每个用户创建唯一的Session ID（通常通过Cookie传递），并将用户数据（如登录信息、购物车）存储在服务端（内存、数据库或缓存中）。
客户端仅持有Session ID，实际数据不暴露，安全性更高。

维度	Cookie	Session
存储位置	客户端	服务端
安全性	较低（需额外防护）	较高（依赖Session ID安全）
生命周期	可长期或会话级	通常会话级
性能影响	增加网络负载	增加服务器负载
典型应用	用户偏好、跟踪	登录状态、敏感操作

联系：当客户端发送一个cookie，服务器会从这个cookie中找到sessionID，再查找出相应的session信息返回给客户端，来进行用户页面的流转。如果通过sessionID来查找session的时候，发现没有session（一般第一次登陆或者清空了浏览器），那么就会创建一个session。

3.使用cookie登录微博

获取cookie：在控制台输入：

document.cookie

然后把获取到的cookie复制到代码中：

import urllibimport requestsurl = 'https://weibo.com/u/6320270401'headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko)  QQBrowser/11.8.5118.400','cookie':'你的cookie'
}
# 请求对象的定制# request = requests.get(url, headers=headers)
# 请求对象的定制
request = urllib.request.Request(url=url, headers=headers)
# 模拟浏览器向服务器发送请求
response = urllib.request.urlopen(request)
# 获取响应数据
content = response.read().decode("gb2312")
# 打印响应数据
print(content)
# 下载到本地

运行网页直接打开界面：

可以看到，得到的是个人信息页面，但内容并不完整，可以说是完全没有实际的内容，可能微博这几年不断更新，优化了反爬手段，只添加Cookie还不足以成功爬取个人页面的完整内容。不过，能到这一步就可以了。这里主要讲解Cookie的作用。

打开该页面，只呈现出页面框架，没有具体信息，并且显示不安全。

4.使用session登录

import requests
from urllib.parse import urljoinBASE_URL = 'https://login2.scrape.center/'
LOGIN_URL= urljoin(BASE_URL, '/login')
INDEX_URL = urljoin(BASE_URL, '/page/1')
USERNAME = 'admin'
PASSWORD = 'admin'session = requests.Session()response_login = session.post(LOGIN_URL, data={'username': USERNAME, 'password':PASSWORD})cookies = session.cookies
print('Cookies', cookies)response_index = session.get(INDEX_URL)
print('Response Status', response_index.status_code)
print('Response URL', response_index.url)

import requestsbase_url = 'http://www.renren.com/PLogin.do'
headers= {'Host': 'www.renren.com','Referer': 'http://safe.renren.com/security/account',
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.70 Safari/537.36',
}
data = {'email':邮箱,'password':密码,
}
#创建一个session对象
se = requests.session()
#用session对象来发送post请求进行登录。
se.post(base_url,headers=headers,data=data)
response = se.get('http://www.renren.com/971682585')if '死性不改' in response.text:print('登录成功！')
else:print(response.text)print('登录失败！')