python重定向cookie_python requests 301/302/303重定向cookie和Location问题
Simple One:适用cookie 不会变化的情形
import requests
params = {'username': 'Ryan',
'password': 'password'}
r = requests.post("http://pythonscraping.com/pages/cookies/welcome.php", data=params)
print "Cookie is set to:"
print r.cookies.get_dict()
print "-----------------"
print "Going to profile page..."
r = requests.get("http://pythonscraping.com/pages/cookies/profile.php", cookies = r.cookies)
print r.text
Complex One:适用于cookie可能会被修改的情况下, 使用request.Session
import requests
sess = requests.Session()
params = {'username': 'Ryan',
'password': 'password'}
s = sess.post("http://pythonscraping.com/pages/cookies/welcome.php", data=params)
print "Cookie is set to:"
print s.cookies.get_dict()
print "----------------"
print "Going to profile page..."
s = sess.get("http://pythonscraping.com/pages/cookies/profile.php")
print s.text
跨请求保持一些 cookie
在爬取网页时，要注意返回的response里是否有Location，如果有Location就意味着可能会有跳转，即重定向
原文如下：
今天使用request的get方法获取一个网站的登录页信息，结果使用charles抓包的时候发现该网站登录页303(重定向的问题)，网上查了很多资料，原因如下：
一、 Cookie
原因：利用requests模拟登录时，直接使用request.get(url),容易造成 301/302/303 重定向，因为cookie不持久，造成重定向之后的cookie等信息获取不到
(1) 同一个Host下边重定向
解决方法：使用requests.Session()方法，会使该连接持久化，并且保存请求的状态(session、cookie等)，这样在重定向之后，我们使用requests.cookies就能获取到cookie了
result = requests.Session()
header = {
'Host' : 'xxxxx',
'Accept' : 'xxxx',
'User-Agent': 'xxxx'
}
response = result.get(url, headers=header)
注意：上面讲的重定向是在同一个host下重定向，跨域的重定向用上边的方法就获取不到cookie
(2) 跨域重定向# 获取请求url域名
def (url):
pattern = re.compile(r'(.*?)://(.*?)/', re.S)
response = re.search(pattern, url)
if response:
return {'header':str(response.group(1)).strip(), 'host': str(response.group(2)).strip()}
else:
return None
cookieType = {} # 保存域名对应的cookie
def getRedirectCookie(url):
locationList = set()
cookie = ''
resUrl = url # 获取最后请求url
header = {
'User-Agen': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36'
}
try:
while True:
# 请求
response = requests.get(url, headers=header, allow_redirects=False)
# 获取host
hostObj = getHost(resUrl)
if hostObj is None:
return None
# 处理cookie
cookie = response.cookies.get_dict()
if cookie == {}:
pass
else:
cookieType[str(hostObj['host']).strip()] = json.dumps(cookie) # 保存cookie
# 获取跳转的url
if 'Location' in response.headers.keys():
url = response.headers.get('Location')
if not 'http' in url:
url = hostObj['header'] + '://' + hostObj['host'] + url # 拼接host域名
resUrl = url
if url in locationList: break
locationList.add(url)
else:
break
return {'url': str(resUrl), 'content': response.content, 'header': response.headers}
except urllib2.URLError, e:
if hasattr(e, 'reason'):
print '请求失败，原因：' + e.reason
return None
注意： 有时候执行带有重定向的时候会出现：”requests.exceptions.TooManyRedirects: Exceeded 30 redirects.”的情况，那么这时候是说重定向次数上限了，也可以使用上边的这种方式来解决
Location(重定向url):获取重定向url
有时候遇到重定向，我们只需要获取重定向的url即可，这个时候使用上述方法开启一个保持状态的长连接，并请求时获取不到的请求的headers的，那么我们该怎么办呢？
解决：
result = requests.Session()
header = {
'Host' : 'xxxxx',
'Accept' : 'xxxx',
'User-Agent': 'xxxx'
}
response = result.get(url, headers=header, allow_redirects=False)
location = response.headers['Location'] # 注意有些header返回的Location中的url是不带host部分的，需要注意一下
allow_redirects=False 的意义为拒绝默认的301/302/303重定向从而可以通过response.headers[‘Location’]拿到重定向的URL。