Hello World
                Hello, this is a paragraph.

            

這是最基本的HTML代碼，我們將其保存為一個.html文件，然后把它放在某臺具有固定公網(wǎng)IP的主機上，主機上裝上Apache或Nginx等服務(wù)器，這樣這臺主機就可以作為服務(wù)器了，其他人便可以通過訪問服務(wù)器看到這個頁面，這就搭建了一個最簡單的網(wǎng)站。

這種網(wǎng)頁的內(nèi)容是HTML代碼編寫的，文字、圖片等內(nèi)容均通過寫好的HTML代碼來指定，這種頁面叫作靜態(tài)網(wǎng)頁。它加載速度快，編寫簡單，但是存在很大的缺陷，如可維護性差，不能根據(jù)URL靈活多變地顯示內(nèi)容等。例如，我們想要給這個網(wǎng)頁的URL傳入一個name參數(shù)，讓其在網(wǎng)頁中顯示出來，是無法做到的。

因此，動態(tài)網(wǎng)頁應(yīng)運而生，它可以動態(tài)解析URL中參數(shù)的變化，關(guān)聯(lián)數(shù)據(jù)庫并動態(tài)呈現(xiàn)不同的頁面內(nèi)容，非常靈活多變。我們現(xiàn)在遇到的大多數(shù)網(wǎng)站都是動態(tài)網(wǎng)站，它們不再是一個簡單的HTML，而是可能由JSP、PHP、Python等語言編寫的，其功能比靜態(tài)網(wǎng)頁強大和豐富太多了。

此外，動態(tài)網(wǎng)站還可以實現(xiàn)用戶登錄和注冊的功能。再回到開頭提到的問題，很多頁面是需要登錄之后才可以查看的。按照一般的邏輯來說，輸入用戶名和密碼登錄之后，肯定是拿到了一種類似憑證的東西，有了它，我們才能保持登錄狀態(tài)，才能訪問登錄之后才能看到的頁面。

那么，這種神秘的憑證到底是什么呢？其實它就是會話和Cookies共同產(chǎn)生的結(jié)果，下面我們來一探究竟。

2. 無狀態(tài)HTTP

在了解會話和Cookies之前，我們還需要了解HTTP的一個特點，叫作無狀態(tài)。

HTTP的無狀態(tài)是指HTTP協(xié)議對事務(wù)處理是沒有記憶能力的，也就是說服務(wù)器不知道客戶端是什么狀態(tài)。當(dāng)我們向服務(wù)器發(fā)送請求后，服務(wù)器解析此請求，然后返回對應(yīng)的響應(yīng)，服務(wù)器負責(zé)完成這個過程，而且這個過程是完全獨立的，服務(wù)器不會記錄前后狀態(tài)的變化，也就是缺少狀態(tài)記錄。這意味著如果后續(xù)需要處理前面的信息，則必須重傳，這導(dǎo)致需要額外傳遞一些前面的重復(fù)請求，才能獲取后續(xù)響應(yīng)，然而這種效果顯然不是我們想要的。為了保持前后狀態(tài)，我們肯定不能將前面的請求全部重傳一次，這太浪費資源了，對于這種需要用戶登錄的頁面來說，更是棘手。

這時兩個用于保持HTTP連接狀態(tài)的技術(shù)就出現(xiàn)了，它們分別是會話和Cookies。會話在服務(wù)端，也就是網(wǎng)站的服務(wù)器，用來保存用戶的會話信息；Cookies在客戶端，也可以理解為瀏覽器端，有了Cookies，瀏覽器在下次訪問網(wǎng)頁時會自動附帶上它發(fā)送給服務(wù)器，服務(wù)器通過識別Cookies并鑒定出是哪個用戶，然后再判斷用戶是否是登錄狀態(tài)，然后返回對應(yīng)的響應(yīng)。

我們可以理解為Cookies里面保存了登錄的憑證，有了它，只需要在下次請求攜帶Cookies發(fā)送請求而不必重新輸入用戶名、密碼等信息重新登錄了。

因此在爬蟲中，有時候處理需要登錄才能訪問的頁面時，我們一般會直接將登錄成功后獲取的Cookies放在請求頭里面直接請求，而不必重新模擬登錄。

好了，了解會話和Cookies的概念之后，我們在來詳細剖析它們的原理。

(1) 會話

會話，其本來的含義是指有始有終的一系列動作/消息。比如，打電話時，從拿起電話撥號到掛斷電話這中間的一系列過程可以稱為一個會話。

而在Web中，會話對象用來存儲特定用戶會話所需的屬性及配置信息。這樣，當(dāng)用戶在應(yīng)用程序的Web頁之間跳轉(zhuǎn)時，存儲在會話對象中的變量將不會丟失，而是在整個用戶會話中一直存在下去。當(dāng)用戶請求來自應(yīng)用程序的Web頁時，如果該用戶還沒有會話，則Web服務(wù)器將自動創(chuàng)建一個會話對象。當(dāng)會話過期或被放棄后，服務(wù)器將終止該會話。

(2) Cookies

Cookies指某些網(wǎng)站為了辨別用戶身份、進行會話跟蹤而存儲在用戶本地終端上的數(shù)據(jù)。

會話維持

那么，我們怎樣利用Cookies保持狀態(tài)呢？當(dāng)客戶端第一次請求服務(wù)器時，服務(wù)器會返回一個請求頭中帶有Set-Cookie字段的響應(yīng)給客戶端，用來標(biāo)記是哪一個用戶，客戶端瀏覽器會把Cookies保存起來。當(dāng)瀏覽器下一次再請求該網(wǎng)站時，瀏覽器會把此Cookies放到請求頭一起提交給服務(wù)器，Cookies攜帶了會話ID信息，服務(wù)器檢查該Cookies即可找到對應(yīng)的會話是什么，然后再判斷會話來以此來辨認用戶狀態(tài)。

在成功登錄某個網(wǎng)站時，服務(wù)器會告訴客戶端設(shè)置哪些Cookies信息，在后續(xù)訪問頁面時客戶端會把Cookies發(fā)送給服務(wù)器，服務(wù)器再找到對應(yīng)的會話加以判斷。如果會話中的某些設(shè)置登錄狀態(tài)的變量是有效的，那就證明用戶處于登錄狀態(tài)，此時返回登錄之后才可以查看的網(wǎng)頁內(nèi)容，瀏覽器再進行解析便可以看到了。

反之，如果傳給服務(wù)器的Cookies是無效的，或者會話已經(jīng)過期了，我們將不能繼續(xù)訪問頁面，此時可能會收到錯誤的響應(yīng)或者跳轉(zhuǎn)到登錄頁面重新登錄。

所以，Cookies和會話需要配合，一個處于客戶端，一個處于服務(wù)端，二者共同協(xié)作，就實現(xiàn)了登錄會話控制。

屬性結(jié)構(gòu)

接下來，我們來看看Cookies都有哪些內(nèi)容。這里以知乎為例，在瀏覽器開發(fā)者工具中打開Application選項卡，然后在左側(cè)會有一個Storage部分，最后一項即為Cookies，將其點開，如圖2-13所示，這些就是Cookies。

可以看到，這里有很多條目，其中每個條目可以稱為Cookie。它有如下幾個屬性。

Name：該Cookie的名稱。一旦創(chuàng)建，該名稱便不可更改。

Value：該Cookie的值。如果值為Unicode字符，需要為字符編碼。如果值為二進制數(shù)據(jù)，則需要使用BASE64編碼。

Domain：可以訪問該Cookie的域名。例如，如果設(shè)置為.zhihu.com，則所有以zhihu.com，結(jié)尾的域名都可以訪問該Cookie。

Max Age：該Cookie失效的時間，單位為秒，也常和Expires一起使用，通過它可以計算出其有效時間。Max Age如果為正數(shù)，則該Cookie在Max Age秒之后失效。如果為負數(shù)，則關(guān)閉瀏覽器時Cookie即失效，瀏覽器也不會以任何形式保存該Cookie。

Path：該Cookie的使用路徑。如果設(shè)置為/path/，則只有路徑為/path/的頁面可以訪問該Cookie。如果設(shè)置為/，則本域名下的所有頁面都可以訪問該Cookie。

Size字段：此Cookie的大小。

HTTP字段：Cookie的httponly屬性。若此屬性為true，則只有在HTTP頭中會帶有此Cookie的信息，而不能通過document.cookie來訪問此Cookie。

Secure：該Cookie是否僅被使用安全協(xié)議傳輸。安全協(xié)議有HTTPS和SSL等，在網(wǎng)絡(luò)上傳輸數(shù)據(jù)之前先將數(shù)據(jù)加密。默認為false。

會話Cookie和持久Cookie

從表面意思來說，會話Cookie就是把Cookie放在瀏覽器內(nèi)存里，瀏覽器在關(guān)閉之后該Cookie即失效；持久Cookie則會保存到客戶端的硬盤中，下次還可以繼續(xù)使用，用于長久保持用戶登錄狀態(tài)。

其實嚴格來說，沒有會話Cookie和持久Cookie之分，只是由Cookie的Max Age或Expires字段決定了過期的時間。

因此，一些持久化登錄的網(wǎng)站其實就是把Cookie的有效時間和會話有效期設(shè)置得比較長，下次我們再訪問頁面時仍然攜帶之前的Cookie，就可以直接保持登錄狀態(tài)。

3. 常見誤區(qū)

在談?wù)摃挋C制的時候，常常聽到這樣一種誤解“只要關(guān)閉瀏覽器，會話就消失了”，這種理解是錯誤的?？梢韵胂笠幌聲T卡的例子，除非顧客主動對店家提出銷卡，否則店家絕對不會輕易刪除顧客的資料。對會話來說，也是一樣，除非程序通知服務(wù)器刪除一個會話，否則服務(wù)器會一直保留。比如，程序一般都是在我們做注銷操作時才去刪除會話。

但是當(dāng)我們關(guān)閉瀏覽器時，瀏覽器不會主動在關(guān)閉之前通知服務(wù)器它將要關(guān)閉，所以服務(wù)器根本不會有機會知道瀏覽器已經(jīng)關(guān)閉。之所以會有這種錯覺，是因為大部分會話機制都使用會話Cookie來保存會話ID信息，而關(guān)閉瀏覽器后Cookies就消失了，再次連接服務(wù)器時，也就無法找到原來的會話了。如果服務(wù)器設(shè)置的Cookies保存到硬盤上，或者使用某種手段改寫瀏覽器發(fā)出的HTTP請求頭，把原來的Cookies發(fā)送給服務(wù)器，則再次打開瀏覽器，仍然能夠找到原來的會話 ID，依舊還是可以保持登錄狀態(tài)的。

而且恰恰是由于關(guān)閉瀏覽器不會導(dǎo)致會話被刪除，這就需要服務(wù)器為會話設(shè)置一個失效時間，當(dāng)距離客戶端上一次使用會話的時間超過這個失效時間時，服務(wù)器就可以認為客戶端已經(jīng)停止了活動，才會把會話刪除以節(jié)省存儲空間。

感謝你能夠認真閱讀完這篇文章，希望小編分享Python爬蟲中會話和Cookies是什么內(nèi)容對大家有幫助，同時也希望大家多多支持創(chuàng)新互聯(lián)，關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，遇到問題就找創(chuàng)新互聯(lián)，詳細的解決方法等著你來學(xué)習(xí)!