转载

python爬虫学习（六）requests 关于cookie的堪误

Introducation

Python爬虫学习目录

本文修正了关于前段时间对于requests自动保存cookies和header的使用错误。

requests

python有个库是requests，比更底层的urllib等更加方便简易。而且自带管理cookie，headers等功能。

在 python爬虫学习（四）获取cookie 中，简单介绍了获取cookie的方法，而实际上，requests会自动管理cookies。

在通过requests get或者post网页之后，如果是第一次访问某些页面，在网页的response headers里会有 set-cookies 的字段，而requests会识别这些字段，同时在接下来的get/post行为中，自动添加这些cookies。

检验

以访问百度为例：

import requests conn = requests.session() resp = conn.get('https://www.baidu.com/s?wd=findspace') # 打印请求的头 print(resp.request.headers) # 打印结果如下，requests已经自动填充了部分数据 {'Connection': 'keep-alive', 'User-Agent': 'python-requests/2.4.3 CPython/3.4.2 Linux/3.16.0-4-amd64', 'Accept': '*/*', 'Accept-Encoding': 'gzip, deflate'} # 再访问一次： resp = conn.get('https://www.baidu.com/s?wd=findspace') print(resp.request.headers) {'Connection': 'keep-alive', 'User-Agent': 'python-requests/2.4.3 CPython/3.4.2 Linux/3.16.0-4-amd64', 'Accept': '*/*', 'Cookie': 'BD_NOT_HTTPS=1; BDSVRTM=3; PSTM=1458389621; BIDUPSID=9CB03BE7D7F436EC2EE23C6E6EBE8EBD', 'Accept-Encoding': 'gzip, deflate'}

可以看到请求中已经自动加上了cookie，但是也可以看到，user-agent是 'python-requests/2.4.3 CPython/3.4.2 Linux/3.16.0-4-amd64' ，可以通过前几篇中说的设置headers的方法来设置

 headers = {     "method": "POST",     "scheme": "https",     "version": "HTTP/1.1",     "accept": "*/*",     "accept-encoding": "gzip, deflate",     "accept-language": "en-US,en;q=0.8,zh-CN;q=0.6,zh;q=0.4",     "content-type": "application/x-www-form-urlencoded;charset=UTF-8",     "dnt": "1",     "faces-request": "partial/ajax",     "origin": "https://www.baidu.com",     "referer": "https://www.baidu.com", } resp = conn.get(url, headers=headersm timeout=60)

注意此时的头会和requests填充的头相互补充，但是用户自定义的头具有高优先级。比如，你在headers里填充cookies为自己的数据，则在本次请求中会覆盖requests之前给你保存的cookies。也就不用像前文一样去手动保存cookie了。

原文 http://www.findspace.name/easycoding/1657

正文到此结束