如何建立新的企业网站,类似于建设通的网站,做个简单的公司网站要多少钱,wordpress 行间距很多用Python的人可能都写过网络爬虫#xff0c;自动化获取网络数据确实是一件令人愉悦的事情#xff0c;而Python很好的帮助我们达到这种愉悦。然而#xff0c;爬虫经常要碰到各种登录、验证的阻挠#xff0c;让人灰心丧气(网站#xff1a;天天碰到各种各样的爬虫抓我们网…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pip install browsercookie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pip install pysqlite使用方法下面是从网页提取标题的例子 import re get_title lambda html: re.findall((.*?), html, flagsre.DOTALL)[0].strip()下面是未登录状况下下载得到的标题 import urllib2 url public_html urllib2.urlopen(url).read() get_title(public_html)Git and Mercurial code management for teams接下来使用browsercookie从登录过Bitbucket的FireFox里面获取cookie再下载 import browsercookie 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: import urllib.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。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 import requests cj browsercookie.chrome() r requests.get(url, cookiescj) 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, cookiescj) get_title(r.content)richardpenman / home — Bitbucket支持目前该模块支持以下平台Chrome: Linux, OSX, WindowsFirefox: Linux, OSX, Windows目前该模块测试过的浏览器版本还不是很多你使用过程中可能会遇到问题可以向作者提交问题https://bitbucket.org/richardpenman/browsercookie/
