ProxyHandler处理器（代理设置二）

待我称王封你为后i 2022-06-01 01:11 214阅读 0赞

## HTTPPasswordMgrWithDefaultRealm() ##

`HTTPPasswordMgrWithDefaultRealm()`类将创建一个密码管理对象，用来保存 HTTP 请求相关的用户名和密码，主要应用两个场景：

1.  验证代理授权的用户名和密码 (`ProxyBasicAuthHandler()`)
2.  验证Web客户端的的用户名和密码 (`HTTPBasicAuthHandler()`)

### ProxyBasicAuthHandler(代理授权验证) ###

如果我们使用之前的代码来使用私密代理，会报 HTTP 407 错误，表示代理没有通过身份验证：

`urllib2.HTTPError: HTTP Error 407: Proxy Authentication Required`

所以我们需要改写代码，通过：

*  `HTTPPasswordMgrWithDefaultRealm()`：来保存私密代理的用户密码
 *  `ProxyBasicAuthHandler()`：来处理代理的身份验证。

#urllib2_proxy2.py
    
    import urllib2
    import urllib
    
    # 私密代理授权的账户
    user = "mr_mao_hacker"
    # 私密代理授权的密码
    passwd = "sffqry9r"
    # 私密代理 IP
    proxyserver = "61.158.163.130:16816"
    
    # 1. 构建一个密码管理对象，用来保存需要处理的用户名和密码
    passwdmgr = urllib2.HTTPPasswordMgrWithDefaultRealm()
    
    # 2. 添加账户信息，第一个参数realm是与远程服务器相关的域信息，一般没人管它都是写None，后面三个参数分别是 代理服务器、用户名、密码
    passwdmgr.add_password(None, proxyserver, user, passwd)
    
    # 3. 构建一个代理基础用户名/密码验证的ProxyBasicAuthHandler处理器对象，参数是创建的密码管理对象
    # 注意，这里不再使用普通ProxyHandler类了
    proxyauth_handler = urllib2.ProxyBasicAuthHandler(passwdmgr)
    
    # 4. 通过 build_opener()方法使用这些代理Handler对象，创建自定义opener对象，参数包括构建的 proxy_handler 和 proxyauth_handler
    opener = urllib2.build_opener(proxyauth_handler)
    
    # 5. 构造Request 请求
    request = urllib2.Request("http://www.baidu.com/")
    
    # 6. 使用自定义opener发送请求
    response = opener.open(request)
    
    # 7. 打印响应内容
    print response.read()

### HTTPBasicAuthHandler处理器（Web客户端授权验证） ###

![Image 1][]

有些Web服务器（包括HTTP/FTP等）访问时，需要进行用户身份验证，爬虫直接访问会报HTTP 401 错误，表示访问身份未经授权：

`urllib2.HTTPError: HTTP Error 401: Unauthorized`

如果我们有客户端的用户名和密码，我们可以通过下面的方法去访问爬取：

import urllib
    import urllib2
    
    # 用户名
    user = "test"
    # 密码
    passwd = "123456"
    # Web服务器 IP
    webserver = "http://192.168.199.107"
    
    # 1. 构建一个密码管理对象，用来保存需要处理的用户名和密码
    passwdmgr = urllib2.HTTPPasswordMgrWithDefaultRealm()
    
    # 2. 添加账户信息，第一个参数realm是与远程服务器相关的域信息，一般没人管它都是写None，后面三个参数分别是 Web服务器、用户名、密码
    passwdmgr.add_password(None, webserver, user, passwd)
    
    # 3. 构建一个HTTP基础用户名/密码验证的HTTPBasicAuthHandler处理器对象，参数是创建的密码管理对象
    httpauth_handler = urllib2.HTTPBasicAuthHandler(passwdmgr)
    
    # 4. 通过 build_opener()方法使用这些代理Handler对象，创建自定义opener对象，参数包括构建的 proxy_handler
    opener = urllib2.build_opener(httpauth_handler)
    
    # 5. 可以选择通过install_opener()方法定义opener为全局opener
    urllib2.install_opener(opener)
    
    # 6. 构建 Request对象
    request = urllib2.Request("http://192.168.199.107")
    
    # 7. 定义opener为全局opener后，可直接使用urlopen()发送请求
    response = urllib2.urlopen(request)
    
    # 8. 打印响应内容
    print response.read()

## Cookie ##

Cookie 是指某些网站服务器为了辨别用户身份和进行Session跟踪，而储存在用户浏览器上的文本文件，Cookie可以保持登录信息到用户下次与服务器的会话。

### Cookie原理 ###

HTTP是无状态的面向连接的协议, 为了保持连接状态, 引入了Cookie机制 Cookie是http消息头中的一种属性，包括：

Cookie名字（Name）
    Cookie的值（Value）
    Cookie的过期时间（Expires/Max-Age）
    Cookie作用路径（Path）
    Cookie所在域名（Domain），
    使用Cookie进行安全连接（Secure）。
    
    前两个参数是Cookie应用的必要条件，另外，还包括Cookie大小（Size，不同浏览器对Cookie个数及大小限制是有差异的）。

Cookie由变量名和值组成，根据 Netscape公司的规定，Cookie格式如下：

`Set－Cookie: NAME=VALUE；Expires=DATE；Path=PATH；Domain=DOMAIN_NAME；SECURE`

### Cookie应用 ###

Cookies在爬虫方面最典型的应用是判定注册用户是否已经登录网站，用户可能会得到提示，是否在下一次进入此网站时保留用户信息以便简化登录手续。

# 获取一个有登录信息的Cookie模拟登陆
    
    import urllib2
    
    # 1. 构建一个已经登录过的用户的headers信息
    headers = {
        "Host":"www.renren.com",
        "Connection":"keep-alive",
        "Upgrade-Insecure-Requests":"1",
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36",
        "Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",
        "Accept-Language":"zh-CN,zh;q=0.8,en;q=0.6",
    
        # 便于终端阅读，表示不支持压缩文件
        # Accept-Encoding: gzip, deflate, sdch,
    
        # 重点：这个Cookie是保存了密码无需重复登录的用户的Cookie，这个Cookie里记录了用户名，密码(通常经过RAS加密)
        "Cookie": "anonymid=ixrna3fysufnwv; depovince=GW; _r01_=1; JSESSIONID=abcmaDhEdqIlM7riy5iMv; jebe_key=f6fb270b-d06d-42e6-8b53-e67c3156aa7e%7Cc13c37f53bca9e1e7132d4b58ce00fa3%7C1484060607478%7C1%7C1484060607173; jebecookies=26fb58d1-cbe7-4fc3-a4ad-592233d1b42e|||||; ick_login=1f2b895d-34c7-4a1d-afb7-d84666fad409; _de=BF09EE3A28DED52E6B65F6A4705D973F1383380866D39FF5; p=99e54330ba9f910b02e6b08058f780479; ap=327550029; first_login_flag=1; ln_uact=mr_mao_hacker@163.com; ln_hurl=http://hdn.xnimg.cn/photos/hdn521/20140529/1055/h_main_9A3Z_e0c300019f6a195a.jpg; t=214ca9a28f70ca6aa0801404dda4f6789; societyguester=214ca9a28f70ca6aa0801404dda4f6789; id=327550029; xnsid=745033c5; ver=7.0; loginfrom=syshome"
    }
    
    # 2. 通过headers里的报头信息（主要是Cookie信息），构建Request对象
    urllib2.Request("http://www.renren.com/", headers = headers)
    
    # 3. 直接访问renren主页，服务器会根据headers报头信息（主要是Cookie信息），判断这是一个已经登录的用户，并返回相应的页面
    response = urllib2.urlopen(request)
    
    # 4. 打印响应内容
    print response.read()

![Image 1][]

但是这样做太过复杂，我们先需要在浏览器登录账户，并且设置保存密码，并且通过抓包才能获取这个Cookie，那有么有更简单方便的方法呢？

## cookielib库 和 HTTPCookieProcessor处理器 ##

在Python处理Cookie，一般是通过`cookielib`模块和 urllib2模块的`HTTPCookieProcessor`处理器类一起使用。

> `cookielib`模块：主要作用是提供用于存储cookie的对象
> 
> `HTTPCookieProcessor`处理器：主要作用是处理这些cookie对象，并构建handler对象。

### cookielib 库 ###

该模块主要的对象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。

>  *  CookieJar：管理HTTP cookie值、存储HTTP请求生成的cookie、向传出的HTTP请求添加cookie的对象。整个cookie都存储在内存中，对CookieJar实例进行垃圾回收后cookie也将丢失。
>  *  FileCookieJar (filename,delayload=None,policy=None)：从CookieJar派生而来，用来创建FileCookieJar实例，检索cookie信息并将cookie存储到文件中。filename是存储cookie的文件名。delayload为True时支持延迟访问访问文件，即只有在需要时才读取文件或在文件中存储数据。
>  *  MozillaCookieJar (filename,delayload=None,policy=None)：从FileCookieJar派生而来，创建与`Mozilla浏览器 cookies.txt兼容`的FileCookieJar实例。
>  *  LWPCookieJar (filename,delayload=None,policy=None)：从FileCookieJar派生而来，创建与`libwww-perl标准的 Set-Cookie3 文件格式`兼容的FileCookieJar实例。

其实大多数情况下，我们只用CookieJar()，如果需要和本地文件交互，就用 MozillaCookjar() 或 LWPCookieJar()

我们来做几个案例：

##### 1）获取Cookie，并保存到CookieJar()对象中 #####

# urllib2_cookielibtest1.py
    
    import urllib2
    import cookielib
    
    # 构建一个CookieJar对象实例来保存cookie
    cookiejar = cookielib.CookieJar()
    
    # 使用HTTPCookieProcessor()来创建cookie处理器对象，参数为CookieJar()对象
    handler=urllib2.HTTPCookieProcessor(cookiejar)
    
    # 通过 build_opener() 来构建opener
    opener = urllib2.build_opener(handler)
    
    # 4. 以get方法访问页面，访问之后会自动保存cookie到cookiejar中
    opener.open("http://www.baidu.com")
    
    ## 可以按标准格式将保存的Cookie打印出来
    cookieStr = ""
    for item in cookiejar:
        cookieStr = cookieStr + item.name + "=" + item.value + ";"
    
    ## 舍去最后一位的分号
    print cookieStr[:-1]

我们使用以上方法将Cookie保存到cookiejar对象中，然后打印出了cookie中的值，也就是访问百度首页的Cookie值。

运行结果如下：

BAIDUID=4327A58E63A92B73FF7A297FB3B2B4D0:FG=1;BIDUPSID=4327A58E63A92B73FF7A297FB3B2B4D0;H_PS_PSSID=1429_21115_17001_21454_21409_21554_21398;PSTM=1480815736;BDSVRTM=0;BD_HOME=0

##### 2. 访问网站获得cookie，并把获得的cookie保存在cookie文件中 #####

# urllib2_cookielibtest2.py
    
    import cookielib
    import urllib2
    
    # 保存cookie的本地磁盘文件名
    filename = 'cookie.txt'
    
    # 声明一个MozillaCookieJar(有save实现)对象实例来保存cookie，之后写入文件
    cookiejar = cookielib.MozillaCookieJar(filename)
    
    # 使用HTTPCookieProcessor()来创建cookie处理器对象，参数为CookieJar()对象
    handler = urllib2.HTTPCookieProcessor(cookiejar)
    
    # 通过 build_opener() 来构建opener
    opener = urllib2.build_opener(handler)
    
    # 创建一个请求，原理同urllib2的urlopen
    response = opener.open("http://www.baidu.com")
    
    # 保存cookie到本地文件
    cookiejar.save()

##### 3. 从文件中获取cookies，做为请求的一部分去访问 #####

# urllib2_cookielibtest2.py
    
    import cookielib
    import urllib2
    
    # 创建MozillaCookieJar(有load实现)实例对象
    cookiejar = cookielib.MozillaCookieJar()
    
    # 从文件中读取cookie内容到变量
    cookie.load('cookie.txt')
    
    # 使用HTTPCookieProcessor()来创建cookie处理器对象，参数为CookieJar()对象
    handler = urllib2.HTTPCookieProcessor(cookiejar)
    
    # 通过 build_opener() 来构建opener
    opener = urllib2.build_opener(handler)
    
    response = opener.open("http://www.baidu.com")

#### 利用cookielib和post登录人人网 ####

import urllib
    import urllib2
    import cookielib
    
    # 1. 构建一个CookieJar对象实例来保存cookie
    cookie = cookielib.CookieJar()
    
    # 2. 使用HTTPCookieProcessor()来创建cookie处理器对象，参数为CookieJar()对象
    cookie_handler = urllib2.HTTPCookieProcessor(cookie)
    
    # 3. 通过 build_opener() 来构建opener
    opener = urllib2.build_opener(cookie_handler)
    
    # 4. addheaders 接受一个列表，里面每个元素都是一个headers信息的元祖, opener将附带headers信息
    opener.addheaders = [("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36")]
    
    # 5. 需要登录的账户和密码
    data = {
       "email":"mr_mao_hacker@163.com", "password":"alaxxxxxime"}  
    
    # 6. 通过urlencode()转码
    postdata = urllib.urlencode(data)
    
    # 7. 构建Request请求对象，包含需要发送的用户名和密码
    request = urllib2.Request("http://www.renren.com/PLogin.do", data = postdata)
    
    # 8. 通过opener发送这个请求，并获取登录后的Cookie值，
    opener.open(request)                                              
    
    # 9. opener包含用户登录后的Cookie值，可以直接访问那些登录后才可以访问的页面
    response = opener.open("http://www.renren.com/410043129/profile")  
    
    # 10. 打印响应内容
    print response.read()

[Image 1]: