在瀏覽網(wǎng)站的過程中丘侠，我們經(jīng)常會(huì)遇到需要登錄的情況，有些頁(yè)面只有登錄之后才可以訪問，而且登錄之后可以連續(xù)訪問很多次網(wǎng)站缺亮，但是有時(shí)候過一段時(shí)間就需要重新登錄。這涉及到會(huì)話(Session)和Cookies的相關(guān)知識(shí)。
靜態(tài)網(wǎng)頁(yè)和動(dòng)態(tài)網(wǎng)頁(yè)
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>This is a Demo</title>
</head>
<body>
<div id="container">
<div class="wrapper">
<h2 class="title">Hello World</h2>
<p class="text">Hello, this is a paragraph.</p>
</div>
</div>
</body>
</html>
這是最基本的HTML代碼萌踱，我們將其保存為一個(gè).html文件葵礼，然后把它放在某臺(tái)具有固定公網(wǎng)IP的主機(jī)，主機(jī)上裝上Apache或Nginx等服務(wù)器并鸵，這樣這臺(tái)主機(jī)就可以作為服務(wù)器了鸳粉，其他人便可以通過訪問服務(wù)器看到這個(gè)頁(yè)面，這就搭建了一個(gè)最簡(jiǎn)單的網(wǎng)站园担。
這種網(wǎng)頁(yè)的內(nèi)容是HTML代碼編寫的届谈，文字、圖片等內(nèi)容均通過寫好的HTML代碼來指定弯汰，這種頁(yè)面叫作靜態(tài)網(wǎng)頁(yè)艰山。它加載速度快，編寫簡(jiǎn)單咏闪，但是存在很大的缺陷曙搬，如可維護(hù)性差，不能根據(jù)URL靈活多變地顯示內(nèi)容等鸽嫂。例如纵装，我們想要給這個(gè)網(wǎng)頁(yè)的URL傳入一個(gè)name參數(shù)，讓其在網(wǎng)頁(yè)中顯示出來据某，是無法做到的橡娄。
因此，動(dòng)態(tài)網(wǎng)頁(yè)應(yīng)運(yùn)而生哗脖，它可以動(dòng)態(tài)解析URL中參數(shù)的變化瀑踢，關(guān)聯(lián)數(shù)據(jù)庫(kù)并動(dòng)態(tài)呈現(xiàn)不同的頁(yè)面內(nèi)容，非常靈活多變才避。我們現(xiàn)在遇到的大多數(shù)網(wǎng)站都是動(dòng)態(tài)網(wǎng)站橱夭，它們不再是一個(gè)簡(jiǎn)單的HTML，而是可能有JSP桑逝、PHP棘劣、Python等語(yǔ)言編寫的，其功能比靜態(tài)網(wǎng)頁(yè)強(qiáng)大和豐富太多了楞遏。
此外動(dòng)態(tài)網(wǎng)站還可以實(shí)現(xiàn)用戶登錄和注冊(cè)的功能茬暇。按照一般的邏輯來說，輸入用戶名和密碼登錄之后寡喝，肯定是拿到了一種類似憑證的東西糙俗，有了它，我們才能保持登錄狀態(tài)预鬓，才能訪問登錄之后才能看到的頁(yè)面巧骚。
無狀態(tài)HTTP
HTTP的無狀態(tài)是指HTTP協(xié)議對(duì)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(qǐng)求后劈彪，服務(wù)器解析此請(qǐng)求竣蹦，然后返回對(duì)應(yīng)的響應(yīng)，服務(wù)器負(fù)責(zé)完成這個(gè)過程沧奴，而且這個(gè)過程是完全獨(dú)立的痘括，服務(wù)器不會(huì)記錄前后狀態(tài)的變化，也就是缺少狀態(tài)記錄滔吠。這就意味著如果后續(xù)需要處理前面的信息纲菌，則必須重傳，這導(dǎo)致需要額外傳遞一些前面的重復(fù)請(qǐng)求屠凶，才能湖區(qū)后續(xù)響應(yīng)驰后，然后這種效果顯然不是我們想要的。為了保持前后狀態(tài)矗愧，我們肯定不能講前面的請(qǐng)求全部重傳一次灶芝，這太浪費(fèi)資源了，對(duì)于這種需要用戶登錄的頁(yè)面來說唉韭，更是棘手夜涕。
這時(shí)兩個(gè)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(huì)話和Cookies属愤。會(huì)話在服務(wù)端女器，也就是網(wǎng)站的服務(wù)器，用來保存用戶的會(huì)話信息住诸；Cookies在客戶端密幔，也可以理解為瀏覽器端回懦，有了Cookies惠爽，瀏覽器再下次訪問頁(yè)面時(shí)會(huì)自動(dòng)附帶上它發(fā)送給服務(wù)器届惋，服務(wù)器通過識(shí)別Cookies并鑒定出哪個(gè)用戶，然后再判斷用戶是否是登錄狀態(tài)奄薇，然后返回對(duì)應(yīng)的響應(yīng)驳阎。
因此在爬蟲中，有時(shí)候處理需要登錄才能訪問的頁(yè)面時(shí)馁蒂，我們一般會(huì)直接將登錄成功后獲取的Cookies放在請(qǐng)求頭里面直接請(qǐng)求呵晚，而不必重新模擬登錄。
會(huì)話
會(huì)話沫屡，其本來的含義是指有始有終的一系列動(dòng)作/消息饵隙。比如，打電話時(shí)沮脖，從拿起電話撥號(hào)到掛斷電話這中間的額一系列過程可以成為一個(gè)會(huì)話癞季。
而在Web中劫瞳，會(huì)話對(duì)象用來存儲(chǔ)特定用戶會(huì)話所需的屬性及配置信息。這樣绷柒，當(dāng)用戶在應(yīng)用程序的Web頁(yè)之間跳轉(zhuǎn)時(shí)，存儲(chǔ)在會(huì)話對(duì)象中的變量將不會(huì)丟失涮因，而是在整個(gè)用戶會(huì)話中一直存在下去废睦。當(dāng)用戶請(qǐng)求來自應(yīng)用程序的Web頁(yè)，如果該用戶還沒有會(huì)話养泡，則Web服務(wù)器將自動(dòng)創(chuàng)建一個(gè)會(huì)話對(duì)象嗜湃。當(dāng)會(huì)話過期或被放棄后，服務(wù)器將終止該會(huì)話澜掩。
Cookies
Cookies指某些網(wǎng)站為了辨別用戶身份购披、進(jìn)行會(huì)話跟蹤而存儲(chǔ)在用戶本地終端上的數(shù)據(jù)。
會(huì)話維持
當(dāng)客戶端第一次請(qǐng)求服務(wù)器時(shí)肩榕，服務(wù)器會(huì)返回一個(gè)請(qǐng)求頭中帶有Set-Cookie字段的響應(yīng)給客戶端刚陡，用來標(biāo)記是哪一個(gè)用戶，客戶端瀏覽器會(huì)把Cookies保存起來株汉。當(dāng)瀏覽器下一次再請(qǐng)求該網(wǎng)站時(shí)筐乳，瀏覽器會(huì)把此Cookies放到請(qǐng)求頭一起提交給服務(wù)器，Cookies攜帶了會(huì)話ID信息乔妈，服務(wù)器檢查該Cookies即可找到對(duì)應(yīng)的會(huì)話是什么蝙云，然后再判斷會(huì)話來以此來辨認(rèn)用戶狀態(tài)。
在成功登錄某個(gè)網(wǎng)站時(shí)路召，服務(wù)器會(huì)告訴客戶端設(shè)置哪些Cookies信息勃刨，在后續(xù)訪問頁(yè)面時(shí)客戶端會(huì)把Cookies發(fā)送給服務(wù)器，服務(wù)器再找到對(duì)應(yīng)的會(huì)話加以判斷股淡。如果會(huì)話中的某些設(shè)置登錄狀態(tài)的變量是有效的身隐，那就證明用戶處于登錄狀態(tài)，此時(shí)返回登錄之后才可以查看的網(wǎng)頁(yè)內(nèi)容揣非，瀏覽器再進(jìn)行解析便可以看到了抡医。
所以，Cookies和會(huì)話需要配合早敬，一個(gè)處于客戶端忌傻，一個(gè)處于服務(wù)端，二者共同協(xié)作搞监，就實(shí)現(xiàn)了登錄會(huì)話控制水孩。
屬性結(jié)構(gòu)
- Name：該Cookie的名稱。一旦創(chuàng)建琐驴，該名稱便不可更改俘种。
- Value：該Cookie的值秤标。如果值為Unicode字符，需要為字符編碼宙刘。如果值為二進(jìn)制數(shù)據(jù)苍姜，則需要使用BASE64編碼。
- Domain：可以訪問該Cookie的域名悬包。例如衙猪，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布近。
- Max Age：該Cookie失效的時(shí)間垫释，單位為秒，也常和Expires一起使用撑瞧，通過它可以計(jì)算出其有效時(shí)間棵譬。Max Age如果為正數(shù)，則該Cookie在Max Age之后失效预伺。如果為負(fù)數(shù)订咸，則關(guān)閉瀏覽器時(shí)Cookie即失效，瀏覽器也不會(huì)以任何形式保存該Cookie扭屁。
- Path：該Cookie的使用路徑算谈。如果設(shè)置為/path/，則只有路徑為/path/的頁(yè)面可以訪問該Cookie料滥。如果設(shè)置為/然眼，則本域名下的所有頁(yè)面都可以訪問該Cookie。
- Size字段：此Cookie的大小葵腹。
- HTTP字段：Cookie的httponly屬性高每。若此屬性為true，則只有在HTTP頭中會(huì)帶有此Cookie的信息践宴，而不能通過document.cookie來訪問此Cookie鲸匿。
- 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等阻肩，在網(wǎng)絡(luò)上傳輸數(shù)據(jù)之前先將數(shù)據(jù)加密带欢。默認(rèn)為false。
會(huì)話Cookie和持久Cookie
從表面意思來說烤惊，會(huì)話Cookie就是把Cookie放在瀏覽器內(nèi)存里乔煞，瀏覽器再關(guān)閉之后該Cookie即失效；持久Cookie會(huì)保存到客戶端的硬盤中柒室，下次還可以繼續(xù)使用渡贾，用于長(zhǎng)久保持用戶登錄狀態(tài)。
其實(shí)嚴(yán)格來說雄右，沒有會(huì)話Cookie和持久Cookie之分空骚，只有由Cookie的Max Age或Expires字段決定了過期的時(shí)間纺讲。
因此，一些持久化登錄的網(wǎng)站其實(shí)就是把Cookie的有效時(shí)間和會(huì)話有效期設(shè)置得比較長(zhǎng)囤屹，下次我們?cè)僭L問頁(yè)面時(shí)仍然攜帶之前的Cookie熬甚，就可以直接保持登錄狀態(tài)。
