Scrapy爬虫——session与cookie详解

有条件的请支持慕课实战正版课程，本blog仅仅是归纳总结，自用。

An HTTP cookie (also called web cookie, Internet cookie, browser cookie, or simply cookie) is a small piece of data sent from a website and stored on the user's computer by the user's web browser while the user is browsing.

一、cookie请求

应用层的http协议是无状态请求，为了方便服务器识别用户，使用cookie机制保存必要的用户信息：

带cookie的有状态请求

• 我们打开chrome的开发者工具，查看百度网页的cookies，注意这个cookies其实是存储在本地的，可以删除，数据结构类似字典dict

  
  
  

  百度首页的cookie

• 利用cookie，我们可以把网站的用户名和密码存储起来，然后服务器收到后，提取数据，实现自动登录。但是存在安全隐患，因为把用户名和密码存储在本地，容易被窃取。于是有了session技术。

二、session

• session机制还是利用的是cookie，但是避免了用户名和密码的本地存储与网络传输。

• 这里下面的id就是指session_id,而每个web后台生成session_id的方式不同。

  
  
  

  带cookie的有状态请求

2.1 session的生成过程

• django下session_id的生成过程：
  当用户第一次登录之后，django根据用户名和密码，在数据库表中加密生成对应的session_key（就是session_id)和session_data，还有expired_date（过期时间）。
• 当我们登录网址一次后，查看下django后台的表：

django_session数据库表

• 回到浏览器，查看网页的cookie，发现已经拿到了服务器回传来的session_id：

网页cookie

• 至此，session生成结束。

2.2 利用session登陆流程

• 第二次请求时，带着session_id的cookie一起请求。
• 服务器收到session_id，进入数据库中查询，取出对应的session_data，若没过期，则解密，获得用户名，密码，其他信息后登陆。

2.3 django后台解析session机制

• 利用sessions这个模块，每次拦截request和response，做session生成与解密工作：

sessions模块

• 若注释掉它后，则无法自动登录

三、总结

• cookie是浏览器本地的一种存储行为，存储键值对。分域名存储，不同域名的cookie不能互相访问。

• cookie存在安全隐患，我们使用session机制。session是服务器端生成，发给用户，只有服务器端知道session对应的用户信息，存在过期时间。