利用cookies获取登录后的网页
众所周知，HTTP连接是无状态的，那么问题来了，怎么记录用户的登录信息呢？通常的做法是用户第一次发送HTTP请求时，在HTTP Server端生成一个SessionID，SessionID会对应每个会话的状态（比如是否登录，等等），并且将SessionID保存在浏览器的cookies中。我们登录一个网页后，打开另外一个窗口访问相同的网页不需要登录，就是因为两个网页都对应同一个cookies。
有时在做python爬虫时，需要访问登录后才可以访问的网页，利用已经登录的cookie文件就可以达到此目的。下面以迅雷网为例来做实验，实验平台为Linux。
1. 首先在Firefox浏览器端登录迅雷网，使用Firebug插件导出cookies。
2. 修改cookies的格式，假设文件名为xunlei.txt，正确的格式如下：
1 # Netscape HTTP Cookie File. 2 # Generated by Wget on 2015-06-27 23:54:34. 3 # Edit at your own risk. 4 5 .dynamic.i.xunlei.com TRUE / FALSE 1498494348 __utma 74633479.1276576155.1435422349.1435422349.1435422349.1 6 .i.xunlei.com TRUE / FALSE 1498494325 __utma 112570076.1792933177.1435422325.1435422325.1435422325.1 7 .dynamic.i.xunlei.com TRUE / FALSE 1435424148 __utmb 74633479.1.10.1435422349 8 .i.xunlei.com TRUE / FALSE 1435424125 __utmb 112570076.1.10.1435422325 9 .dynamic.i.xunlei.com TRUE / FALSE 1498494348 __utmc 74633479 10 .i.xunlei.com TRUE / FALSE 1498494348 __utmc 112570076 11 .i.xunlei.com TRUE / FALSE 1435422925 __utmt 1 12 .dynamic.i.xunlei.com TRUE / FALSE 1451190348 __utmz 74633479.1435422349.1.1.utmcsr=i.xunlei.com|utmccn=(referral)|utmcmd=referral|utmcct=/login.html 13 .i.xunlei.com TRUE / FALSE 1451190325 __utmz 112570076.1435422325.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none) 14 dynamic.i.xunlei.com FALSE / FALSE 1498494348 __xltjbr 1435422347556 15 dynamic.i.xunlei.com FALSE / FALSE 1435424148 _s19 1435770994546b1435422324953b2bhttp%3A//dynamic.i.xunlei.com/user
# cookies行数比较多，就不写了，有三个地方注意：
# 1.第一行不能少，并且一个字符都不能错。
# 2.格式要严格为（空白处为TAB）：
域 [TRUE或FALSE] / [TRUE或FALSE] 过期时间戳 名称 内容
3. 使用python代码读取xunlei.txt，并访问登录后才能访问的网页，例如：http://dynamic.i.xunlei.com/user
下面为源代码：
1 import cookielib, urllib2 2 3 cookie = cookielib.MozillaCookieJar() 4 cookie.load("xunlei.txt") 5 handle=urllib2.HTTPCookieProcessor(cookie) 6 opener = urllib2.build_opener(handle) 7 urllib2.install_opener(opener) 8 9 url = "http://dynamic.i.xunlei.com/user" 10 req = urllib2.Request(url) 11 response = urllib2.urlopen(req) 12 print response.read()
4. 打印出来的代码即为我登录后，在http://dynamic.i.xunlei.com/user看到的内容。
以上的原理与CSRF攻击的原理类似，CSRF攻击的就是利用非法获得用户cookies，伪装成用户进行操作。针对这种攻击，web站点可以生成token，HTTP Server会验证每次请求的token，来避免CSRF攻击，例如Django的CsrfViewMiddleware。
但是token依然被放在了cookies中，依然可以进行CSRF攻击，只不过攻击的方式复杂了些。
