Python爬虫学习：Cookie 和 Session 的区别是什么？

一、 含义

Cookie意为“甜饼”，是由W3C组织提出，最早由Netscape社区发展的一种机制。目前Cookie已经成为标准，所有的主流浏览器如IE、Netscape、Firefox、Opera等都支持Cookie。

由于HTTP是一种无状态的协议，服务器单从网络连接上无从知道客户身份，怎么办呢？就给客户端们颁发一个通行证吧，每人一个，无论谁访问都必须携带自己通行证。这样服务器就能从通行证上确认客户身份了，这就是Cookie的工作原理。

Cookie实际上是一小段的文本信息。客户端请求服务器，如果服务器需要记录该用户状态，就使用response向客户端浏览器颁发一个Cookie，客户端浏览器会把Cookie保存起来。当浏览器再请求该网站时，浏览器把请求的网址连同该Cookie一同提交给服务器。服务器检查该Cookie，以此来辨认用户状态。所以Cookie是客户端技术。

Session可以理解为一个抽象概念，即会话，会话用于记录一个用户在我们网站上的一些行为、一些状态，可以理解为一个上下文，这些用户状态可以利用Cookie中的Session ID来标识。

在另外的一些语境下，Session又可以指在后台保存用户状态来实现会话的方式，它把用户状态存储在后台的内存、数据库等介质中，然后我们利用请求的Cookie中保存的Session ID来为这个请求找到它对应的会话。

Session是服务器端技术，服务器在运行时可以为每一个用户的浏览器创建一个其独享的Session对象，由于Session为用户浏览器独享，所以用户在访问服务器的web资源时，可以把各自的数据放在各自的Session中，当用户再去访问服务器中的其它web资源时，其它web资源再从用户各自的Session中取出数据为用户服务。

二、有效时长：

Cookie的maxAge决定着Cookie的有效期，单位为秒。

如果maxAge属性为正数，则表示该Cookie会在maxAge秒之后自动失效。浏览器会将maxAge为正数的Cookie持久化，即写到对应的Cookie文件中。无论客户关闭了浏览器还是电脑，只要还在maxAge秒之前，登录网站时该Cookie仍然有效。下面代码中的Cookie信息将永远有效。

如果maxAge为负数，则表示该Cookie仅在本浏览器窗口以及本窗口打开的子窗口内有效，关闭窗口后该Cookie即失效。maxAge为负数的Cookie，为临时性Cookie，不会被持久化，不会被写到Cookie文件中。Cookie信息保存在浏览器内存中，因此关闭浏览器该Cookie就消失了。Cookie默认的maxAge值为–1。

如果maxAge为0，则表示删除该Cookie。Cookie机制没有提供删除Cookie的方法，因此通过设置该Cookie即时失效实现删除Cookie的效果。失效的Cookie会被浏览器从Cookie文件或者内存中删除。

由于会有越来越多的用户访问服务器，因此Session也会越来越多。为防止内存溢出，服务器会把长时间内没有活跃的Session从内存删除。这个时间就是Session的超时时间。如果超过了超时时间没访问过服务器，Session就自动失效了。

三、面试中可能会遇到的问题点

  1. Session 在服务器端，Cookie 在客户端（浏览器）
  2. Session 默认被存在在服务器的一个文件里（不是内存）
  3. Session 的运行依赖 Session id，而 Session id 是存在 Cookie 中的，也就是说，如果浏览器禁用了 Cookie ，同时 Session 也会失效（但是可以通过其它方式实现，比如在 url 中传递 Session_id）
  4. Session 可以放在 文件、数据库、或内存中都可以。
  5. Cookie具有不可跨域名性

四、在反爬技术中的应用

在一些网站中，需要用户以个人信息登陆上去才能看到更多的信息。如果利用爬虫程序模拟人登陆的行为，主要有以下三种：

  1. 代码里通过request.post里的参数data中，包含自己的用户名和密码，但是这样及其不安全

  2. 访问页面的时候打开开发者工具，从header是中找到cookie并复制，写到python脚本里的headers中。这种方法的问题就是上文提到了Cookie是有时效性的，这种方法需要手动替换比较麻烦，也不推荐。

  3. 通过session方法，后续使用类比于request.get 、request.post 等。最推荐的一种方法，代码如下：

data = {
    "name": "填写用户名",
    "passwd": "填写登陆密码"
  }
# python学习交流群：711312441
# 通过session模拟登录，每次请求带着session
s = requests.Session()
f = s.post(url, data=data, headers=headers)
标签 , ,

发表回复