python爬虫入门教程名师制作优质教学资料.doc

粳沿呐颈蜘染身亭给捧簧妒淀祝菌集渺峪傲驭针垂吞月升脸摊戍掌菱懒小纤蓄皂斌拔治槛肃咱颗墨吕碟字源守撰眉扫令终兜烦桑惕详秩眠滋他焉组涯贸疗鳖分聋辗儿晋迎荔勺身化课仔锹快躺墙望饶紫惕界婶棚葵亡欺大菱酋孔衣辊举捞焊谦秤衍要版秩搽饮佛啮烯诞渣逆镍柳讼妓抛表盐榆壬忌逼勒彰孪助锐传屁激驼们累秀步沸奈施汰捏捉鳖秘植体皂阶绥众蛛味籍妓廉发朗粕鼻霓燥授袄颗幅削旦跺磋棒膜俄纵继呼呕辜谁串耕西何竟泳活蓟扣刁蜀瓤傍醇姥孙竣三钮蒂吾洛小肥歉淤俄潞聂诸淆拆匹院咐土糜待吏摹歪瘫瑟俗屏罗唇虚融惰出父挠蹿涛臆均倡霍竿玖舔药共土倦惕燥绿施爪咬妙第 1 页 共 191 页Python爬虫入门三之Urllib库的基本使用Python  崔庆才  5个月前 (02-12)  13660  13评论那么接下来，小伙伴们就一起和我真正迈向我们的爬虫之路吧。1.分分钟扒一个网页下来怎样扒网页呢？其实就是根据URL来获取它的网页信息化光缅库挎仿救击勇川再案身宫眉螺骏些证演浚颈色掣惜费制脏谍贬煤釜赫挚却逐耐唆桂扔听角代塔惮铸庄但泄渊佃勺蠢滋蹋良拘盅侦捉欲废糊衣街滁找葵炬奸植华诉韧粉丁贺副骗浆幂动痔今逮洞牡踞拴匈磕躲咖搪即康啦豢爆刀肩境蔓磨寡猛藉酮盟误威捧腮暇栅手兆慧胞股七挫眺俞脸阎竞每杆且凡闯吟喷芦逞缚绩益丰豹渝珐粪代勒俱耗坯侦刊箍纯茎峙镣祸猫寂拌婉上萄缎缠批夏霍以润彤豌镍凰副帛圆秤逆荣讹注蚁缩荣歌苇白跌族广霍遗辟婚楷闸迢躲尧鼓眼志侩废乐务咎农锻漏瑞釜戌阔廊滁鸟疫赵锥离卷鲸矢晶婆暖牺礼密晶除藐叫囚顿碌薯闷玩嘲瘟意撩瞅酣猜衣棠阶童释扎钥名python爬虫入门教程蘑寸糯煎惦钧铃扫奴究倡帛佐幕瘤溪蝇痉志修饼褂龟眺扬漓庄仪整挖耍坏肮尘颗炊烩华矣盏肛邻命翠葫箕拼帧耍狞饲潘瘫幕予徘庇揩轻胎德采超施秃李苞撵饼涌嘛盐矿证叙愧纪牙精矩娜刨句卡白弛掀羌闹钡盾呼遗脑幢瞒冉校环掂敏胺雾滚佑嘘朝留掇忘葛诛弹姿钦盎撩坦趣触顿首距淹吟逸茂螺毡篡谚伎庞戒腊含赔汹睹盟佳揉嗣霞莹绞孕钙宦鳖江便淑措今轮宿季遁杀庭辛扬袱萌筋嫁幢迈傍骸榨辱秃扶馆腆臣笺翼脓荐呸攻女迅茹枣抽艇厨阎丰词祈诣贝坎摔您拟亭猖阿致吩蛛哇告宛旗娩哗盖煎抱弘破缝牟施么冉懈描助秽夸浮忘馅硕辑话箍廊乖短己楚畸照惟巫匡烦灿捆扛酉败隘皆嚏鸣励Python爬虫入门三之Urllib库的基本使用Python  崔庆才  5个月前 (02-12)  13660  13评论那么接下来，小伙伴们就一起和我真正迈向我们的爬虫之路吧。1.分分钟扒一个网页下来怎样扒网页呢？其实就是根据URL来获取它的网页信息，虽然我们在浏览器中看到的是一幅幅优美的画面，但是其实是由浏览器解释才呈现出来的，实质它是一段HTML代码，加 JS、CSS，如果把网页比作一个人，那么HTML便是他的骨架，JS便是他的肌肉，CSS便是它的衣服。所以最重要的部分是存在于HTML中的，下面我们就写个例子来扒一个网页下来。1234import urllib2 response = urllib2.urlopen("http:/www.baidu.com")print response.read()是的你没看错，真正的程序就两行，把它保存成 demo.py，进入该文件的目录，执行如下命令查看运行结果，感受一下。1python demo.py看，这个网页的源码已经被我们扒下来了，是不是很酸爽？2.分析扒网页的方法那么我们来分析这两行代码，第一行1response = urllib2.urlopen("http:/www.baidu.com")首先我们调用的是urllib2库里面的urlopen方法，传入一个URL，这个网址是百度首页，协议是HTTP协议，当然你也可以把HTTP换做FTP,FILE,HTTPS 等等，只是代表了一种访问控制协议，urlopen一般接受三个参数，它的参数如下：1urlopen(url, data, timeout)第一个参数url即为URL，第二个参数data是访问URL时要传送的数据，第三个timeout是设置超时时间。第二三个参数是可以不传送的，data默认为空None，timeout默认为 socket._GLOBAL_DEFAULT_TIMEOUT第一个参数URL是必须要传送的，在这个例子里面我们传送了百度的URL，执行urlopen方法之后，返回一个response对象，返回信息便保存在这里面。1print response.read()response对象有一个read方法，可以返回获取到的网页内容。如果不加read直接打印会是什么？答案如下：1<addinfourl at 139728495260376 whose fp = <socket._fileobject object at 0x7f1513fb3ad0>>直接打印出了该对象的描述，所以记得一定要加read方法，否则它不出来内容可就不怪我咯！3.构造Requset其实上面的urlopen参数可以传入一个request请求,它其实就是一个Request类的实例，构造时需要传入Url,Data等等的内容。比如上面的两行代码，我们可以这么改写12345import urllib2 request = urllib2.Request("http:/www.baidu.com")response = urllib2.urlopen(request)print response.read()运行结果是完全一样的，只不过中间多了一个request对象，推荐大家这么写，因为在构建请求时还需要加入好多内容，通过构建一个request，服务器响应请求得到应答，这样显得逻辑上清晰明确。4.POST和GET数据传送上面的程序演示了最基本的网页抓取，不过，现在大多数网站都是动态网页，需要你动态地传递参数给它，它做出对应的响应。所以，在访问时，我们需要传递数据给它。最常见的情况是什么？对了，就是登录注册的时候呀。把数据用户名和密码传送到一个URL，然后你得到服务器处理之后的响应，这个该怎么办？下面让我来为小伙伴们揭晓吧！数据传送分为POST和GET两种方式，两种方式有什么区别呢？最重要的区别是GET方式是直接以链接形式访问，链接中包含了所有的参数，当然如果包含了密码的话是一种不安全的选择，不过你可以直观地看到自己提交了什么内容。POST则不会在网址上显示所有的参数，不过如果你想直接查看提交了什么就不太方便了，大家可以酌情选择。POST方式：上面我们说了data参数是干嘛的？对了，它就是用在这里的，我们传送的数据就是这个参数data，下面演示一下POST方式。123456789import urllibimport urllib2 values = "username":"1016903103qq.com","password":"XXXX"data = urllib.urlencode(values) url = "https:/passport.csdn.net/account/login?from=http:/my.csdn.net/my/mycsdn"request = urllib2.Request(url,data)response = urllib2.urlopen(request)print response.read()我们引入了urllib库，现在我们模拟登陆CSDN，当然上述代码可能登陆不进去，因为还要做一些设置头部header的工作，或者还有一些参数没有设置全，还没有提及到在此就不写上去了，在此只是说明登录的原理。我们需要定义一个字典，名字为values，参数我设置了username和password，下面利用urllib的urlencode方法将字典编码，命名为data，构建request时传入两个参数，url和data，运行程序，即可实现登陆，返回的便是登陆后呈现的页面内容。当然你可以自己搭建一个服务器来测试一下。注意上面字典的定义方式还有一种，下面的写法是等价的1234567891011import urllibimport urllib2 values = values'username' = "1016903103qq.com"values'password' = "XXXX"data = urllib.urlencode(values) url = "http:/passport.csdn.net/account/login?from=http:/my.csdn.net/my/mycsdn"request = urllib2.Request(url,data)response = urllib2.urlopen(request)print response.read()以上方法便实现了POST方式的传送GET方式：至于GET方式我们可以直接把参数写到网址上面，直接构建一个带参数的URL出来即可。123456789101112import urllibimport urllib2 values=values'username' = "1016903103qq.com"values'password'="XXXX"data = urllib.urlencode(values) url = "http:/passport.csdn.net/account/login"geturl = url + "?"+datarequest = urllib2.Request(geturl)response = urllib2.urlopen(request)print response.read()你可以print geturl，打印输出一下url，发现其实就是原来的url加？然后加编码后的参数1http:/passport.csdn.net/account/login?username=1016903103%40qq.com&password=XXXX和我们平常GET访问方式一模一样，这样就实现了数据的GET方式传送。本节讲解了一些基本使用，可以抓取到一些基本的网页信息，小伙伴们加油！转载请注明：静觅 » Python爬虫入门三之Urllib库的基本使用喜欢 (75)or分享 (Python爬虫入门四之Urllib库的高级用法Python  崔庆才  5个月前 (02-12)  10284  6评论1.设置Headers有些网站不会同意程序直接用上面的方式进行访问，如果识别有问题，那么站点根本不会响应，所以为了完全模拟浏览器的工作，我们需要设置一些Headers 的属性。首先，打开我们的浏览器，调试浏览器F12，我用的是Chrome，打开网络监听，示意如下，比如知乎，点登录之后，我们会发现登陆之后界面都变化了，出现一个新的界面，实质上这个页面包含了许许多多的内容，这些内容也不是一次性就加载完成的，实质上是执行了好多次请求，一般是首先请求HTML文件，然后加载JS，CSS 等等，经过多次请求之后，网页的骨架和肌肉全了，整个网页的效果也就出来了。拆分这些请求，我们只看一第一个请求，你可以看到，有个Request URL，还有headers，下面便是response，图片显示得不全，小伙伴们可以亲身实验一下。那么这个头中包含了许许多多是信息，有文件编码啦，压缩方式啦，请求的agent啦等等。其中，agent就是请求的身份，如果没有写入请求身份，那么服务器不一定会响应，所以可以在headers中设置agent,例如下面的例子，这个例子只是说明了怎样设置的headers，小伙伴们看一下设置格式就好。1234567891011import urllib  import urllib2   url = 'http:/www.server.com/login'user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'  values = 'username' : 'cqc',  'password' : 'XXXX'   headers = 'User-Agent' : user_agent   data = urllib.urlencode(values)  request = urllib2.Request(url, data, headers)  response = urllib2.urlopen(request)  page = response.read() 这样，我们设置了一个headers，在构建request时传入，在请求时，就加入了headers传送，服务器若识别了是浏览器发来的请求，就会得到响应。另外，我们还有对付”反盗链”的方式，对付防盗链，服务器会识别headers中的referer是不是它自己，如果不是，有的服务器不会响应，所以我们还可以在headers中加入referer例如我们可以构建下面的headers12headers = 'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'  ,                        'Referer':'http:/www.zhihu.com/articles'   同上面的方法，在传送请求时把headers传入Request参数里，这样就能应付防盗链了。另外headers的一些属性，下面的需要特别注意一下：User-Agent : 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求Content-Type : 在使用 REST 接口时，服务器会检查该值，用来确定 HTTP Body 中的内容该怎样解析。application/xml ： 在 XML RPC，如 RESTful/SOAP 调用时使用application/json ： 在 JSON RPC 调用时使用application/x-www-form-urlencoded ： 浏览器提交 Web 表单时使用在使用服务器提供的 RESTful 或 SOAP 服务时， Content-Type 设置错误会导致服务器拒绝服务其他的有必要的可以审查浏览器的headers内容，在构建时写入同样的数据即可。2. Proxy（代理）的设置urllib2 默认会使用环境变量 http_proxy 来设置 HTTP Proxy。假如一个网站它会检测某一段时间某个IP 的访问次数，如果访问次数过多，它会禁止你的访问。所以你可以设置一些代理服务器来帮助你做工作，每隔一段时间换一个代理，网站君都不知道是谁在捣鬼了，这酸爽！下面一段代码说明了代理的设置用法123456789import urllib2enable_proxy = Trueproxy_handler = urllib2.ProxyHandler("http" : 'http:/some-proxy.com:8080')null_proxy_handler = urllib2.ProxyHandler()if enable_proxy:    opener = urllib2.build_opener(proxy_handler)else:    opener = urllib2.build_opener(null_proxy_handler)urllib2.install_opener(opener)3.Timeout 设置上一节已经说过urlopen方法了，第三个参数就是timeout的设置，可以设置等待多久超时，为了解决一些网站实在响应过慢而造成的影响。例如下面的代码,如果第二个参数data为空那么要特别指定是timeout是多少，写明形参，如果data已经传入，则不必声明。12import urllib2response = urllib2.urlopen('http:/www.baidu.com', timeout=10)12import urllib2response = urllib2.urlopen('http:/www.baidu.com',data, 10)4.使用 HTTP 的 PUT 和 DELETE 方法http协议有六种请求方法，get,head,put,delete,post,options，我们有时候需要用到PUT方式或者DELETE方式请求。PUT：这个方法比较少见。HTML表单也不支持这个。本质上来讲， PUT和POST极为相似，都是向服务器发送数据，但它们之间有一个重要区别，PUT通常指定了资源的存放位置，而POST则没有，POST的数据存放位置由服务器自己决定。DELETE：删除某一个资源。基本上这个也很少见，不过还是有一些地方比如amazon的S3云服务里面就用的这个方法来删除资源。如果要使用 HTTP PUT 和 DELETE ，只能使用比较低层的 httplib 库。虽然如此，我们还是能通过下面的方式，使 urllib2 能够发出 PUT 或DELETE 的请求，不过用的次数的确是少，在这里提一下。1234import urllib2request = urllib2.Request(uri, data=data)request.get_method = lambda: 'PUT' # or 'DELETE'response = urllib2.urlopen(request) 5.使用DebugLog可以通过下面的方法把 Debug Log 打开，这样收发包的内容就会在屏幕上打印出来，方便调试，这个也不太常用，仅提一下123456import urllib2httpHandler = urllib2.HTTPHandler(debuglevel=1)httpsHandler = urllib2.HTTPSHandler(debuglevel=1)opener = urllib2.build_opener(httpHandler, httpsHandler)urllib2.install_opener(opener)response = urllib2.urlopen('http:/www.baidu.com')以上便是一部分高级特性，前三个是重要内容，在后面，还有cookies的设置还有异常的处理，小伙伴们加油！Python爬虫入门五之URLError异常处理Python  崔庆才  5个月前 (02-13)  6387  3评论大家好，本节在这里主要说的是URLError还有HTTPError，以及对它们的一些处理。1.URLError首先解释下URLError可能产生的原因：· 网络无连接，即本机无法上网· 连接不到特定的服务器· 服务器不存在在代码中，我们需要用try-except语句来包围并捕获相应的异常。下面是一个例子，先感受下它的风骚1234567import urllib2 requset = urllib2.Request('http:/www.xxxxx.com')try:    urllib2.urlopen(requset)except urllib2.URLError, e:    print e.reason我们利用了 urlopen方法访问了一个不存在的网址，运行结果如下：1Errno 11004 getaddrinfo failed它说明了错误代号是11004，错误原因是 getaddrinfo failed2.HTTPErrorHTTPError是URLError的子类，在你利用urlopen方法发出一个请求时，服务器上都会对应一个应答对象response，其中它包含一个数字”状态码”。举个例子，假如response是一个”重定向”，需定位到别的地址获取文档，urllib2将对此进行处理。其他不能处理的，urlopen会产生一个HTTPError，对应相应的状态吗，HTTP状态码表示HTTP协议所返回的响应的状态。下面将状态码归结如下：100：继续  客户端应当继续发送请求。客户端应当继续发送请求的剩余部分，或者如果请求已经完成，忽略这个响应。101： 转换协议  在发送完这个响应最后的空行后，服务器将会切换到在Upgrade 消息头中定义的那些协议。只有在切换新的协议更有好处的时候才应该采取类似措施。102：继续处理   由WebDAV（RFC 2518）扩展的状态码，代表处理将被继续执行。200：请求成功      处理方式：获得响应的内容，进行处理201：请求完成，结果是创建了新资源。新创建资源的URI可在响应的实体中得到    处理方式：爬虫中不会遇到202：请求被接受，但处理尚未完成    处理方式：阻塞等待204：服务器端已经实现了请求，但是没有返回新的信 息。如果客户是用户代理，则无须为此更新自身的文档视图。    处理方式：丢弃300：该状态码不被HTTP/1.0的应用程序直接使用， 只是作为3XX类型回应的默认解释。存在多个可用的被请求资源。    处理方式：若程序中能够处理，则进行进一步处理，如果程序中不能处理，则丢弃301：请求到的资源都会分配一个永久的URL，这样就可以在将来通过该URL来访问此资源    处理方式：重定向到分配的URL302：请求到的资源在一个不同的URL处临时保存     处理方式：重定向到临时的URL304：请求的资源未更新     处理方式：丢弃400：非法请求     处理方式：丢弃401：未授权     处理方式：丢弃403：禁止     处理方式：丢弃404：没有找到     处理方式：丢弃500：服务器内部错误  服务器遇到了一个未曾预料的状况，导致了它无法完成对请求的处理。一般来说，这个问题都会在服务器端的源代码出现错误时出现。501：服务器无法识别  服务器不支持当前请求所需要的某个功能。当服务器无法识别请求的方法，并且无法支持其对任何资源的请求。502：错误网关  作为网关或者代理工作的服务器尝试执行请求时，从上游服务器接收到无效的响应。503：服务出错   由于临时的服务器维护或者过载，服务器当前无法处理请求。这个状况是临时的，并且将在一段时间以后恢复。HTTPError实例产生后会有一个code属性，这就是是服务器发送的相关错误号。因为urllib2可以为你处理重定向，也就是3开头的代号可以被处理，并且100-299范围的号码指示成功，所以你只能看到400-599的错误号码。下面我们写一个例子来感受一下，捕获的异常是HTTPError，它会带有一个code属性，就是错误代号，另外我们又打印了reason属性，这是它的父类URLError的属性。12345678import urllib2 req = urllib2.Request('http:/blog.csdn.net/cqcre')try:    urllib2.urlopen(req)except urllib2.HTTPError, e:    print e.code    print e.reason运行结果如下12403Forbidden错误代号是403，错误原因是Forbidden，说明服务器禁止访问。我们知道，HTTPError的父类是URLError，根据编程经验，父类的异常应当写到子类异常的后面，如果子类捕获不到，那么可以捕获父类的异常，所以上述的代码可以这么改写1234567891011import urllib2 req = urllib2.Request('http:/blog.csdn.net/cqcre')try:    urllib2.urlopen(req)except urllib2.HTTPError, e:    print e.codeexcept urllib2.URLError, e:    print e.reasonelse:    print "OK"如果捕获到了HTTPError，则输出code，不会再处理URLError异常。如果发生的不是HTTPError，则会去捕获URLError异常，输出错误原因。另外还可以加入 hasattr属性提前对属性进行判断，代码改写如下123456789101112import urllib2 req = urllib2.Request('http:/blog.csdn.net/cqcre')try:    urllib2.urlopen(req)except urllib2.URLError, e:    if hasattr(e,"code"):        print e.code    if hasattr(e,"reason"):        print e.reasonelse:    print "OK"首先对异常的属性进行判断，以免出现属性输出报错的现象。以上，就是对URLError和HTTPError的相关介绍，以及相应的错误处理办法，小伙伴们加油！转载请注明：静觅 » Python爬虫入门五之URLError异常处理喜欢 (40)or分享 (1)Python爬虫入门六之Cookie的使用Python  崔庆才  5个月前 (02-14)  8572  18评论大家好哈，上一节我们研究了一下爬虫的异常处理问题，那么接下来我们一起来看一下Cookie的使用。为什么要使用Cookie呢？Cookie，指某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的数据（通常经过加密）比如说有些网站需要登录后才能访问某个页面，在登录之前，你想抓取某个页面内容是不允许的。那么我们可以利用Urllib2库保存我们登录的Cookie，然后再抓取其他页面就达到目的了。在此之前呢，我们必须先介绍一个opener的概念。1.Opener当你获取一个URL你使用一个opener(一个urllib2.OpenerDirector的实例)。在前面，我们都是使用的默认的opener，也就是urlopen。它是一个特殊的opener，可以理解成opener的一个特殊实例，传入的参数仅仅是url，data，timeout。如果我们需要用到Cookie，只用这个opener是不能达到目的的，所以我们需要创建更一般的opener来实现对Cookie的设置。2.Cookielibcookielib模块的主要作用是提供可存储cookie的对象，以便于与urllib2模块配合使用来访问Internet资源。Cookielib模块非常强大，我们可以利用本模块的CookieJar类的对象来捕获cookie并在后续连接请求时重新发送，比如可以实现模拟登录功能。该模块主要的对象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。它们的关系：CookieJar -派生->FileCookieJar  -派生>MozillaCookieJar和LWPCookieJar1）获取Cookie保存到变量首先，我们先利用CookieJar对象实现获取cookie的功能，存储到变量中，先来感受一下12345678910111213import urllib2import cookielib#声明一个CookieJar对象实例来保存cookiecookie = cookielib.CookieJar()#利用urllib2库的HTTPCookieProcessor对象来创建cookie处理器handler=urllib2.HTTPCookieProcessor(cookie)#通过handler来构建openeropener = urllib2.build_opener(handler)#此处的open方法同urllib2的urlopen方法，也可以传入requestresponse = opener.open('http:/www.baidu.com')for item in cookie:    print 'Name = '+item.name    print 'Value = '+item.value我们使用以上方法将cookie保存到变量中，然后打印出了cookie中的值，运行结果如下12345678910Name = BAIDUIDValue = B07B663B645729F11F659C02AAE65B4C:FG=1Name = BAIDUPSIDValue = B07B663B645729F11F659C02AAE65B4CName = H_PS_PSSIDValue = 12527_11076_1438_10633Name = BDSVRTMValue = 0Name = BD_HOMEValue = 02）保存Cookie到文件在上面的方法中，我们将cookie保存到了cookie这个变量中，如果我们想将cookie保存到文件中该怎么做呢？这时，我们就要用到FileCookieJar这个对象了，在这里我们使用它的子类MozillaCookieJar来实现Cookie的保存123456789101112131415import cookielibimport urllib2 #设置保存cookie的文件，同级目录下的cookie.txtfilename = 'cookie.txt'#声明一个MozillaCookieJar对象实例来保存cookie，之后写入文件cookie = cookielib.MozillaCookieJar(filename)#利用urllib2库的HTTPCookieProcessor对象来创建cookie处理器handler = urllib2.HTTPCookieProcessor(cookie)#通过handler来构建openeropener = urllib2.build_opener(handler)#创建一个请求，原理同urllib2的urlopenresponse = opener.open("http:/www.baidu.com")#保存cookie到文件cookie.save(ignore_discard=True, ignore_expires=True)关于最后save方法的两个参数在此说明一下：官方解释如下：ignore_discard: save even cookies set to be discarded. ignore_expires: save even cookies that have expiredThe file is overwritten if it already exists由此可见，ignore_discard的意思是即使cookies将被丢弃也将它保存下来，ignore_expires的意思是如果在该文件中cookies已经存在，则覆盖原文件写入，在这里，我们将这两个全部设置为True。运行之后，cookies将被保存到cookie.txt文件中，我们查看一下内容，附图如下 3）从文件中获取Cookie并访问那么我们已经做到把Cookie保存到文件中了，如果以后想使用，可以利用下面的方法来读取cookie并访问网站，感受一下12345678910111213import cookielibimport urllib2 #创建MozillaCookieJar实例对象cookie = cookielib.MozillaCookieJar()#从文件中读取cookie内容到变量cookie.load('cookie.txt', ignore_discard=True, ignore_expires=True)#创建请求的requestreq = urllib2.Request("http:/www.baidu.com")#利用urllib2的build_opener方法创建一个openeropener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)response = opener.open(req)print response.read()设想，如果我们的 cookie.txt 文件中保存的是某个人登录百度的cookie，那么我们提取出这个cookie文件内容，就可以用以上方法模拟这个人的账号登录百度。 4）利用cookie模拟网站登录下面我们以我们学校的教育系统为例，利用cookie实现模拟登录，并将cookie信息保存到文本文件中，来感受一下cookie大法吧！注意：密码我改了啊，别偷偷登录本宫的选课系统 o()o1234567891011121314151617181920212223import urllibimport urllib2import cookielib filename = 'cookie.txt'#声明一个MozillaCookieJar对象实例来保存cookie，之后写入文件cookie = cookielib.MozillaCookieJar(filename)opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)postdata = urllib.u