看这篇文章之前大家可以先看下我的上一篇文章:cookies详解

本篇我们就针对上一篇来说一下cookies的基本应用

使用selenium模拟登陆百度

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from PIL import Image

chrome_option = webdriver.ChromeOptions()
chrome_path = "/usr1/webdrivers/chromedriver"

def login_baidu():
driver = None
try:
driver = webdriver.Chrome(executable_path=chrome_path)
driver.get("https://www.baidu.com")
print(driver.title)
WebDriverWait(driver, 10, 0.5).until(EC.element_to_be_clickable((By.XPATH, //*[@id="u1"]/*[@class="lb"])))
element = driver.find_element_by_xpath(//*[@id="u1"]/a[7])
element.click()

WebDriverWait(driver, 10, 0.5).until(EC.element_to_be_clickable((By.XPATH, //*[@id="TANGRAM__PSP_10__footerULoginBtn"])))
element = driver.find_element_by_xpath(//*[@id="TANGRAM__PSP_10__footerULoginBtn"])
element.click()

WebDriverWait(driver, 10, 0.5).until(EC.element_to_be_clickable((By.XPATH, //*[@id="TANGRAM__PSP_10__userName"])))
element = driver.find_element_by_xpath(//*[@id="TANGRAM__PSP_10__userName"])
element.send_keys("账号")

WebDriverWait(driver, 10, 0.5).until(
EC.element_to_be_clickable((By.XPATH, //*[@id="TANGRAM__PSP_10__password"])))
element = driver.find_element_by_xpath(//*[@id="TANGRAM__PSP_10__password"])
element.send_keys(密码")

WebDriverWait(driver, 10, 0.5).until(
EC.element_to_be_clickable((By.XPATH, //*[@id="TANGRAM__PSP_10__verifyCodeImg"])))
element = driver.find_element_by_xpath(//*[@id="TANGRAM__PSP_10__verifyCodeImg"])

driver.get_screenshot_as_file("qrcode.png")
image = Image.open("qrcode.png")
left = element.location.get("x")
top = element.location.get("y")
right = left + element.size.get("width")
bottom = top + element.size.get("height")
cropImg = image.crop((left, top, right, bottom))
cropImg.save("code.png")

yanzheng = input(">>>")
WebDriverWait(driver, 10, 0.5).until(
EC.element_to_be_clickable((By.XPATH, //*[@id="TANGRAM__PSP_10__verifyCode"])))
element = driver.find_element_by_xpath(//*[@id="TANGRAM__PSP_10__verifyCode"])
element.send_keys(yanzheng)

WebDriverWait(driver, 10, 0.5).until(
EC.element_to_be_clickable((By.XPATH, //*[@id="TANGRAM__PSP_10__submit"])))
element = driver.find_element_by_xpath(//*[@id="TANGRAM__PSP_10__submit"])
element.click()

# 如果需要手机验证码
try:
WebDriverWait(driver, 10, 0.5).until(
EC.element_to_be_clickable((By.XPATH, //*[@id="TANGRAM__36__button_send_mobile"])))
element = driver.find_element_by_xpath(//*[@id="TANGRAM__36__button_send_mobile"])
element.click()

WebDriverWait(driver, 10, 0.5).until(
EC.element_to_be_clickable((By.XPATH, //*[@id="TANGRAM__36__input_vcode"])))
element = driver.find_element_by_xpath(//*[@id="TANGRAM__36__input_vcode"])
duanxin = input(">>>")
element.send_keys(duanxin)

WebDriverWait(driver, 10, 0.5).until(
EC.element_to_be_clickable((By.XPATH, //*[@id="TANGRAM__36__button_submit"])))
element = driver.find_element_by_xpath(//*[@id="TANGRAM__36__button_submit"])
element.click()
except Exception as e:
print(e)

driver.get_screenshot_as_file("screen.png")
finally:
print("关闭")
if driver:
driver.quit()

selenium操作很简单,这里不做详解讲解,以后我们开爬虫基础系列文章的时候会讲到。

selenium保存cookies

cookies = driver.get_cookies()
with open("cookies.txt", "w") as fp:
json.dump(cookies, fp)

这里切记,如果我们要使用json.load读取数据,那么一定要使用json.dump来写入数据,不能使用str(cookies)直接转为字元串进行保存,因为其存储格式不同。这样我们就将cookies保存在文件中了。

selenium读取cookies

def read_cookies():
# 设置cookies前必须访问一次百度的页面
driver.get("http://www.baidu.com")
with open("cookies.txt", "r") as fp:
cookies = json.load(fp)
for cookie in cookies:
# cookie.pop(domain) # 如果报domain无效的错误
driver.add_cookie(cookie)

driver.get("http://www.baidu.com")

这里不用登录就会直接显示我的用户名。而且要注意不同的浏览器可能处理方式不同,比如在火狐浏览器中就会报错:selenium.common.exceptions.InvalidCookieDomainException: Message: .baidu.com,如果碰到这种错误(不一定,也可能跟系统、浏览器都有关系),在add_cookie的时候我们可以把domain去掉就行了。

requests读取cookies

import requests
from requests.cookies import RequestsCookieJar
s = requests.session()
s.verify = False
s.headers = {
"User-Agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1"
}
s.get("http://www.baidu.com")

#这里我们使用cookie对象进行处理
jar = RequestsCookieJar()
with open("cookies.txt", "r") as fp:
cookies = json.load(fp)
for cookie in cookies:
jar.set(cookie[name], cookie[value])

#百度个人中心
r = s.get("https://www.baidu.com/p/setting/profile/basic", cookies=jar)

# 也可以使用字典设置
cookies_dict = dict()
with open("cookies.txt", "r") as fp:
cookies = json.load(fp)
for cookie in cookies:
cookies_dict[cookie[name]] = cookie[value]
r = s.get("https://www.baidu.com/p/setting/profile/basic", cookies=cookies_dict)

r.encoding = "utf-8"
print(r.text)

requests库可以使用cookies对象和dict对象来指定cookies,这个可以看一下源码

通过requests读取cookies的使用,我们知道在cookies中我们一般只使用name和value,像domain、path等值都是不需要使用的,而且上面传入cookies字典的例子我们知道,只要保存了cookies中的name和value,无论你以什么样的方式保存,文件、或者资料库等,最后读取出来只要生成对应的字典格式就行了。

requests保存cookies

import requests
s = requests.session()
s.verify = False
s.headers = {
"User-Agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1"
}

# 这里可以是模拟登陆的步骤
s.get("http://www.baidu.com")

cookies = requests.utils.dict_from_cookiejar(s.cookies)
with open("cook.txt", "w") as fp:
json.dump(cookies, fp)
print(cookies)

首先我们看一下requests.session里面的cookies,它是一个RequestsCookieJar对象,这就是我们在上面使用的时候用RequestsCookieJar对象读取cookies的原因了

下面我们看到requests.utils.dict_from_cookiejar方法,这是requests库提供的一个方法,把上面的RequestsCookieJar对象转换为一个字典(字典里只有name和value),这就是我上面说的,requests库只使用name和value值,而我们selenium中保存的cookies中包含domain、path等信息。

另外还有一个方法requests.utils.cookiejar_from_dict(cookie_dict, cookiejar=None, overwrite=True)这个方法,根据字典生成一个RequestsCookieJar对象,为什么需要这样一个方法呢,可能在上面的应用中有些人会有疑问,我们的cookies是通过get/post方法的参数传进去的,那么在访问其他网页的时候都要去传递这样一个参数吗?这样很不方便而且容易遗忘。看上图的s.cookies变数,它是requests.session对象中的变数,而且是一个RequestsCookieJar类型的对象,那么我们就可以使用这个函数把读取的字典信息转换为RequestsCookieJar对象,然后把值直接设置给s.cookies,就像上面代码里的headers一样,这样就方便很多了吧。

上面我都是将cookies值保存在文件中,在大多数情况下我们一般使用都是将其保存在资料库中,启动一个伺服器专门进行登录验证并保存cookies值。后面我会写一篇Flask+Redis进行cookies池维护的文章,发布在我的微信公众号上,尽请关注哦。


如果你觉得我的文章还可以,可以关注我的微信公众号,查看更多实战文章:Python爬虫实战之路

推荐阅读:

相关文章