Python爬虫使用浏览器cookies：browsercookie过程解析
很多用Python的人可能都写过网络爬虫，自动化获取网络数据确实是一件令人愉悦的事情，而Python很好的帮助我们达到这种愉悦。然而，爬虫经常要碰到各种登录、验证的阻挠，让人灰心丧气（网站：天天碰到各种各样的爬虫抓我们网站，也很让人灰心丧气～）。爬虫和反爬虫就是一个猫和老鼠的游戏，道高一尺魔高一丈，两者反复纠缠。
由于http协议的无状态性，登录验证都是通过传递cookies来实现的。通过浏览器登录一次，登录信息的cookie是就会被浏览器保存下来。下次再打开该网站时，浏览器自动带上保存的cookies，只有cookies还未过期，对于网站来说你就还是登录状态的。
browsercookie模块就是这样一个从浏览器提取保存的cookies的工具。它是一个很有用的爬虫工具，通过加载你浏览器的cookies到一个cookiejar对象里面，让你轻松下载需要登录的网页内容。
安装
pipinstallbrowsercookie
在Windows系统中，内置的sqlite模块在加载FireFox数据库时会抛出错误。需要更新sqlite的版本：
pipinstallpysqlite
使用方法
下面是从网页提取标题的例子：
>>>importre
>>>get_title=lambdahtml:re.findall('(.*?) ',html,flags=re.DOTALL)[0].strip()
下面是未登录状况下下载得到的标题：
>>>importurllib2 >>>url='https://bitbucket.org/' >>>public_html=urllib2.urlopen(url).read() >>>get_title(public_html) 'GitandMercurialcodemanagementforteams'
接下来使用browsercookie从登录过Bitbucket的FireFox里面获取cookie再下载：
>>>importbrowsercookie >>>cj=browsercookie.firefox() >>>opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cj)) >>>login_html=opener.open(url).read() >>>get_title(login_html) 'richardpenman/home—Bitbucket'
上面是Python2的代码，再试试Python3:
>>>importurllib.request >>>public_html=urllib.request.urlopen(url).read() >>>opener=urllib.request.build_opener(urllib.request.HTTPCookieProcessor(cj))
你可以看到你的用户名出现在title里面了，说明browsercookie模块成功从FireFox加载了cookies。小编整理一套Python资料和PDF，有需要Python学习资料可以加学习群：631441315，反正闲着也是闲着呢，不如学点东西啦~~
下面是使用requests的例子，这次我们从Chrome里面加载cookies，当然你需要事先用Chrome登录Bitbucket：
>>>importrequests >>>cj=browsercookie.chrome() >>>r=requests.get(url,cookies=cj) >>>get_title(r.content) 'richardpenman/home—Bitbucket'
如果你不知道或不关心那个浏览器有你需要的cookies，你可以这样操作：
>>>cj=browsercookie.load() >>>r=requests.get(url,cookies=cj) >>>get_title(r.content) 'richardpenman/home—Bitbucket'
支持
目前，该模块支持以下平台：
Chrome:Linux,OSX,Windows
Firefox:Linux,OSX,Windows
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。