最近在学习使用python爬取网页信息，之前也写了几篇网站爬取以及图文混排爬取到word中的例子，有兴趣的可以在本站搜索python。之前大部分是不需要登录就可以访问的资源，所以使用python爬取的时候不需要登录。但是有些网站的信息（比如论坛）必须要登录用户才能访问，使用常规的python方法就无法获取到了。对于这种需要登录才能获取内容的网站，目前接触到两种方法，第一种是使用 Selenium库来调用浏览器 （chrome或firefox浏览器），模拟真实的用户操作浏览器来获取数据；另一种方法就是使用 模拟登录来获取并保存cookies，并且能实现获取目标url时携带cookies进行身份验证。本文仅介绍第二种方法，部分代码来自网络基于2.x版本修改，如果你使用的时python2.x版本可以尝试修改下再使用。
源码一、python3.7+cookiejar+urllib模拟登录人人获取cookies
#encoding=utf-8
#import urllib2 #ModuleNotFoundError: No module named 'urllib2'
import urllib.request
import urllib
#import cookielib #ModuleNotFoundError: No module named 'cookielib'
import http.cookiejar
def renrenBrower(url,user,password):
#登陆页面，可以通过抓包工具分析获得，如fiddler，wireshark
#login_page用户名及密码post提交的目标url，也可以用网页打开登录地址F12查看form表单的action地址，或netwrok里面查看提交地址
login_page = "http://www.renren.com/PLogin.do"
try:
# 创建cookiejar实例对象
#cookie = http.cookiejar.CookieJar()
cookie = http.cookiejar.MozillaCookieJar("cookie.txt") #这个用于保存cookies
#cookie = cookiejar.MozillaCookieJar() #读取cookies
#cookie.load("cookie.txt")
print(cookie)
#
# 创建管理器
cookie_handler = urllib.request.HTTPCookieProcessor(cookie)
http_handler = urllib.request.HTTPHandler()
https_handler = urllib.request.HTTPSHandler()
# 创建请求求管理器
opener = urllib.request.build_opener(cookie_handler, http_handler, https_handler)
#获得一个cookieJar实例
#cj = cookielib.CookieJar()
#cj = http.cookiejar.CookieJar()
#cookieJar作为参数，获得一个opener的实例
#opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
#opener=urllib.request.build_opener(urllib.request.HTTPCookieProcessor(cj))
#伪装成一个正常的浏览器，避免有些web服务器拒绝访问。
opener.addheaders = [('User-agent','Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)')]
#生成Post数据，含有登陆用户名密码。
#data = urllib.urlencode({"email":user,"password":password})
#urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None, quote_via=quote_plus)
data = urllib.parse.urlencode({"email":user,"password":password}).encode('utf-8') # 提交类型不能为str，需要为byte类型
# email 及password 是表单的名字浏览器F12里面查看，另外有些站点需要提交csrf隐藏表单
#以post的方法访问登陆页面，访问之后cookieJar会自定保存cookie
opener.open(login_page,data)
#以带cookie的方式访问页面
op=opener.open(url)
print(cookie)
cookie.save()
#读取页面源码
data= op.read().decode("UTF-8")
return data
except Exception as e:
print(str(e))
#访问某用户的个人主页，其实这已经实现了人人网的签到功能。
#result = renrenBrower("http://www.renren.com/home","用户名","密码")
#
#我们想要获取登录后的http://www.renren.com/309365594/profile?v=info_timeline页面的内容
result = renrenBrower("http://www.renren.com/309365594/profile?v=info_timeline","xxxx@163.com","mima123446")
print(result)
正常使用中还需进一步对返回的结果页面进行处理，这里就不介绍了，可以在本站搜索python查看之前的教程结合使用。
源码二、python3.7+requests模拟登录人人获取cookies
#encoding=utf-8
import requests
def renrenBrower(url,user,password):
#登陆页面，可以通过抓包工具分析获得，如fiddler，wireshark
#login_page用户名及密码post提交的目标url，也可以用网页打开登录地址F12查看form表单的action地址，或netwrok里面查看提交地址
login_page = "http://www.renren.com/PLogin.do"
try:
# 创建Session对象
# requests库的session对象会在同一个session实例的所有请求之间使用cookies保持登录状态
session = requests.Session()
#伪装成一个正常的浏览器，避免有些web服务器拒绝访问。
headers = {'User-agent':'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)'}
#headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36 QIHU 360SE'}
#在session中发送登录请求，此后这个session里就存储了cookie
#可以用print(session.cookies.get_dict())查看
resp = session.post(login_page,{"email":user,"password":password})#post提交表单数据到登录地址
# email 及password 是表单的名字浏览器F12里面查看，另外有些站点需要提交csrf隐藏表单
resp = session.get(url,headers=headers)#携带cookies 以get方式访问目标url
data = resp.content.decode('UTF-8')
print(session.cookies.get_dict())
return data
except Exception as e:
print(str(e))
#访问某用户的个人主页，其实这已经实现了人人网的签到功能。
#result = renrenBrower("http://www.renren.com/home","用户名","密码")
#我们想要获取登录后的http://www.renren.com/309365594/profile?v=info_timeline页面的内容
result = renrenBrower("http://www.renren.com/309365594/profile?v=info_timeline","xxxx@163.com","mima123446")
print(result)
总体而言使用requests还是比较方便的，推荐使用这种方法！
基于互联网精神，在注明出处的前提下本站文章可自由转载！
本文链接：https://ranjuan.cn/python-login-getcookies/
赞赏
微信赞赏
支付宝赞赏
