302s 和 urllib2 丢失 cookie

Question

我将 liburl2 与 CookieJar / HTTPCookieProcessor 一起使用，试图模拟登录页面以自动上传。

我已经看到了一些关于此的问题和答案，但没有解决我的问题。当我模拟以 302 重定向结束的登录时，我丢失了 cookie。 302 响应是服务器设置 cookie 的地方，但 urllib2 HTTPCookieProcessor 似乎在重定向期间没有保存 cookie。我尝试创建一个 HTTPRedirectHandler 类来忽略重定向，但这似乎没有成功。我尝试全局引用 CookieJar 来处理来自 HTTPRedirectHandler 的 cookie，但是 1. 这不起作用（因为我正在处理来自重定向器的标头，并且我正在使用的 CookieJar 函数 extract_cookies 需要完整的请求）并且2. 这是一种丑陋的处理方式。

我可能需要一些关于这方面的指导，因为我对 Python 还很陌生。我想我在这里主要是在吠叫正确的树，但也许关注的是错误的分支。

cj = cookielib.CookieJar()
cookieprocessor = urllib2.HTTPCookieProcessor(cj)


class MyHTTPRedirectHandler(urllib2.HTTPRedirectHandler):
  def http_error_302(self, req, fp, code, msg, headers):
    global cj
    cookie = headers.get("set-cookie")
    if cookie:
      # Doesn't work, but you get the idea
      cj.extract_cookies(headers, req)

    return urllib2.HTTPRedirectHandler.http_error_302(self, req, fp, code, msg, headers)

  http_error_301 = http_error_303 = http_error_307 = http_error_302

cookieprocessor = urllib2.HTTPCookieProcessor(cj)

# Oh yeah.  I'm using a proxy too, to follow traffic.
proxy = urllib2.ProxyHandler({'http': '127.0.0.1:8888'})
opener = urllib2.build_opener(MyHTTPRedirectHandler, cookieprocessor, proxy)

另外：我也尝试过使用mechanize，但没有成功。这可能是一个新问题，但我会在这里提出它，因为它是相同的最终目标：

这个使用 mechanize 的简单代码，当与 302 发射 url 一起使用时（http://fxfeeds.mozilla.com/firefox/headlines）。 xml) - 请注意，不使用 set_handle_robots(False) 时会发生相同的行为。我只是想确保不是这样：

import urllib2, mechanize

browser = mechanize.Browser()
browser.set_handle_robots(False)
opener = mechanize.build_opener(*(browser.handlers))
r = opener.open("http://fxfeeds.mozilla.com/firefox/headlines.xml")

输出：

Traceback (most recent call last):
  File "redirecttester.py", line 6, in <module>
    r = opener.open("http://fxfeeds.mozilla.com/firefox/headlines.xml")
  File "build/bdist.macosx-10.6-universal/egg/mechanize/_opener.py", line 204, in open
  File "build/bdist.macosx-10.6-universal/egg/mechanize/_urllib2_fork.py", line 457, in http_response
  File "build/bdist.macosx-10.6-universal/egg/mechanize/_opener.py", line 221, in error
  File "build/bdist.macosx-10.6-universal/egg/mechanize/_urllib2_fork.py", line 332, in _call_chain
  File "build/bdist.macosx-10.6-universal/egg/mechanize/_urllib2_fork.py", line 571, in http_error_302
  File "build/bdist.macosx-10.6-universal/egg/mechanize/_opener.py", line 188, in open
  File "build/bdist.macosx-10.6-universal/egg/mechanize/_mechanize.py", line 71, in http_request
AttributeError: OpenerDirector instance has no attribute '_add_referer_header'

有什么想法吗？

Answer 1

我最近遇到了完全相同的问题，但出于时间考虑，我放弃了它并决定使用 mechanize。它可以用作 urllib2 的完全替代品，其行为与您期望浏览器在 Referer 标头、重定向和 cookie 方面的行为完全一样。

import mechanize
cj = mechanize.CookieJar()
browser = mechanize.Browser()
browser.set_cookiejar(cj)
browser.set_proxies({'http': '127.0.0.1:8888'})

# Use browser's handlers to create a new opener
opener = mechanize.build_opener(*browser.handlers)

Browser 对象本身可以用作打开器（使用 .open() 方法）。它在内部维护状态，但还在每次调用时返回一个响应对象。所以你可以获得很大的灵活性。

另外，如果您不需要手动检查 cookiejar 或将其传递给其他东西，您也可以省略该对象的显式创建和分配。

我完全意识到这并不能解决真正发生的问题以及为什么 urllib2 无法提供开箱即用的解决方案或至少无需进行大量调整，但如果您缺乏时间，只是想让它发挥作用，只需使用机械化即可。

Answer 2

取决于重定向的完成方式。如果它是通过 HTTP 刷新完成的，那么 mechanize 有一个可供您使用的 HTTPRefreshProcessor。
尝试创建一个像这样的开场白：

cj = mechanize.CookieJar()
opener = mechanize.build_opener(
    mechanize.HTTPCookieProcessor(cj),
    mechanize.HTTPRefererProcessor,
    mechanize.HTTPEquivProcessor,
    mechanize.HTTPRefreshProcessor)

Answer 3

我刚刚得到了以下内容的变体，至少在尝试从 http://www.fudzilla.com/home?format=feed&type=atom

我无法验证下面的代码片段是否会按原样运行，但可能会给您一个开始：

import cookielib
cookie_jar = cookielib.LWPCookieJar()
cookie_handler = urllib2.HTTPCookieProcessor(cookie_jar)
handlers = [cookie_handler] #+others, we have proxy + progress handlers
opener = apply(urllib2.build_opener, tuple(handlers + [_FeedURLHandler()])) #see http://code.google.com/p/feedparser/source/browse/trunk/feedparser/feedparser.py#2848 for implementation of _FeedURLHandler
opener.addheaders = [] #may not be needed but see the comments around the link referred to below
try:
    return opener.open(request) #see http://code.google.com/p/feedparser/source/browse/trunk/feedparser/feedparser.py#2954 for implementation of request
finally:
    opener.close()

Answer 4

我也遇到了同样的问题，服务器将使用 302 和 Set-Cookie 标头中的会话令牌响应登录 POST 请求。使用 Wireshark 可以清楚地看到 urllib 遵循重定向，但不将会话令牌包含在 Cookie 中。

我实际上只是撕掉 urllib 并直接替换为 requests 并且它首先工作得很好时间而无需改变任何东西。对那些家伙来说是很大的支持。