Simple One:适用cookie 不会变化的情形

import requests

params = {'username': 'Ryan',\
'password': 'password'}
r = requests.post("http://pythonscraping.com/pages/cookies/welcome.php", data=params)
print "Cookie is set to:"
print r.cookies.get_dict()
print "-----------------"
print "Going to profile page..."
r = requests.get("http://pythonscraping.com/pages/cookies/profile.php", cookies = r.cookies)
print r.text

Complex One:适用于cookie可能会被修改的情况下, 使用request.Session

import requests

sess = requests.Session()
params = {'username': 'Ryan',\
'password': 'password'}
s = sess.post("http://pythonscraping.com/pages/cookies/welcome.php", data=params)
print "Cookie is set to:"
print s.cookies.get_dict()
print "----------------"
print "Going to profile page..."
s = sess.get("http://pythonscraping.com/pages/cookies/profile.php")
print s.text


python requests session的用法

跨请求保持一些 cookie


在爬取网页时,要注意返回的response里是否有Location,如果有Location就意味着可能会有跳转,即重定向

可以参考: Python requests 301/302/303重定向(跨域/本域)cookie、Location问题

原文如下:

今天使用request的get方法获取一个网站的登录页信息,结果使用charles抓包的时候发现该网站登录页303(重定向的问题),网上查了很多资料,原因如下:

原因:利用requests模拟登录时,直接使用request.get(url),容易造成 301/302/303 重定向,因为cookie不持久,造成重定向之后的cookie等信息获取不到

(1) 同一个Host下边重定向

解决方法:使用requests.Session()方法,会使该连接持久化,并且保存请求的状态(session、cookie等),这样在重定向之后,我们使用requests.cookies就能获取到cookie了

result = requests.Session()
header = {
'Host' : 'xxxxx',
'Accept' : 'xxxx',
'User-Agent': 'xxxx' # 这个最重要,建议手动设置(有时候没有设置,造成获取数据失败,本人被坑过......)
}
response = result.get(url, headers=header)

注意:上面讲的重定向是在同一个host下重定向,跨域的重定向用上边的方法就获取不到cookie

(2) 跨域重定向

示例:A(http://a.kuyu.com/login)->B(http://b.baidu.com/xxxxx)->C(http://b.baidu.com/xxxx/xxxx),类似这种形式,那么使用第一种解决办法就无法获取到cookie,这时候就需要变换一种方式来进行获取

# 获取请求url域名
def getHost(url):
pattern = re.compile(r'(.*?)://(.*?)/', re.S)
response = re.search(pattern, url)
if response:
return {'header':str(response.group(1)).strip(), 'host': str(response.group(2)).strip()}
else:
return None
cookieType = {} # 保存域名对应的cookie
def getRedirectCookie(url):
locationList = set()
cookie = ''
resUrl = url # 获取最后请求url
header = {
'User-Agen': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36'
}
try:
while True:
# 请求
response = requests.get(url, headers=header, allow_redirects=False)
# 获取host
hostObj = getHost(resUrl)
if hostObj is None:
return None
# 处理cookie
cookie = response.cookies.get_dict()
if cookie == {}:
pass
else:
cookieType[str(hostObj['host']).strip()] = json.dumps(cookie) # 保存cookie
# 获取跳转的url
if 'Location' in response.headers.keys():
url = response.headers.get('Location')
if not 'http' in url:
url = hostObj['header'] + '://' + hostObj['host'] + url # 拼接host域名

resUrl = url
if url in locationList: break
locationList.add(url)
else:
break

return {'url': str(resUrl), 'content': response.content, 'header': response.headers}
except urllib2.URLError, e:
if hasattr(e, 'reason'):
print '请求失败,原因:' + e.reason
return None

注意: 有时候执行带有重定向的时候会出现:"requests.exceptions.TooManyRedirects: Exceeded 30 redirects."的情况,那么这时候是说重定向次数上限了,也可以使用上边的这种方式来解决

Location(重定向url):获取重定向url

有时候遇到重定向,我们只需要获取重定向的url即可,这个时候使用上述方法开启一个保持状态的长连接,并请求时获取不到的请求的headers的,那么我们该怎么办呢?

解决:

result = requests.Session()
header = {
'Host' : 'xxxxx',
'Accept' : 'xxxx',
'User-Agent': 'xxxx' # 这个最重要,建议手动设置(有时候没有设置,造成获取数据失败,本人被坑过......)
}
response = result.get(url, headers=header, allow_redirects=False)
location = response.headers['Location'] # 注意有些header返回的Location中的url是不带host部分的,需要注意一下

allow_redirects=False 的意义为拒绝默认的301/302/303重定向从而可以通过response.headers['Location']拿到重定向的URL。

Contents
  1. 1. 一、 Cookie
    1. 1.1. (1) 同一个Host下边重定向
    2. 1.2. (2) 跨域重定向
  2. 2. Location(重定向url):获取重定向url