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：

# Netscape HTTP Cookie File.
# Generated by Wget on 2015-06-27 23:54:34.
# Edit at your own risk.

.dynamic.i.xunlei.com   TRUE    /   FALSE   1498494348  __utma  74633479.1276576155.1435422349.1435422349.1435422349.1
.i.xunlei.com   TRUE    /   FALSE   1498494325  __utma  112570076.1792933177.1435422325.1435422325.1435422325.1
.dynamic.i.xunlei.com   TRUE    /   FALSE   1435424148  __utmb  74633479.1.10.1435422349
.i.xunlei.com   TRUE    /   FALSE   1435424125  __utmb  112570076.1.10.1435422325
.dynamic.i.xunlei.com   TRUE    /   FALSE   1498494348  __utmc  74633479
.i.xunlei.com   TRUE    /   FALSE   1498494348  __utmc  112570076
.i.xunlei.com   TRUE    /   FALSE   1435422925  __utmt  1
.dynamic.i.xunlei.com   TRUE    /   FALSE   1451190348  __utmz  74633479.1435422349.1.1.utmcsr=i.xunlei.com|utmccn=(referral)|utmcmd=referral|utmcct=/login.html
.i.xunlei.com   TRUE    /   FALSE   1451190325  __utmz  112570076.1435422325.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none)
dynamic.i.xunlei.com    FALSE   /   FALSE   1498494348  __xltjbr    1435422347556
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：

import cookielib, urllib2

cookie = cookielib.MozillaCookieJar()
cookie.load("xunlei.txt")
handle=urllib2.HTTPCookieProcessor(cookie)
opener = urllib2.build_opener(handle)
urllib2.install_opener(opener)

url = "http://dynamic.i.xunlei.com/user"
req = urllib2.Request(url)
response = urllib2.urlopen(req)
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。