Python 爬虫 cookie 实战博客，涉及 browsercookie 与 scrapy

Posted 2021-12-11 梦想橡皮擦

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python 爬虫 cookie 实战博客，涉及 browsercookie 与 scrapy相关的知识，希望对你有一定的参考价值。

本篇博客学习一下 scrapy 操作 Cookie

browsercookie 知识铺垫

第一个要了解的知识点是使用 browsercookie 获取浏览器 cookie ，该库使用命令 pip install browsercookie 安装即可。

接下来获取 firefox 浏览器的 cookie，不使用 chrome 谷歌浏览器的原因是在 80 版本之后，其 cookie 的加密方式进行了修改，所以使用 browsercookie 模块会出现如下错误

win32crypt must be available to decrypt Chrome cookie on Windows

获取 cookie 的代码如下所示：

import browsercookie

firefox_cookiejar = browsercookie.firefox()

for c in firefox_cookiejar:
    print(c)

运行代码，输出如下格式内容。

获取了 cookies 之后，就可以访问之后登录后才能访问的页面了（前提是在火狐浏览器登录过一次）。

下面拿某管理中心举例，在火狐浏览器登录过之后，使用 browsercookie 获取 cookie 之后，就可以直接访问后台接口。

import browsercookie
import requests

firefox_cookiejar = browsercookie.firefox()

# for c in firefox_cookiejar:
#     print(c)

res = requests.get("https://img-home.csdnimg.cn/data_json/jsconfig/menu_path.json", cookies=firefox_cookiejar)
print(res.text)

可以直接获取到后台菜单。

使用 browsercookie 实现自动化点赞

在 scrapy 框架中，已经内置了一个 CookiesMiddleware 用于处理 cookies，我们这次通过继承 CookiesMiddleware ，然后使用 browsercookie 库完成点赞器的研发（仅做了一个测试案例，没有使用并发哦）

打开 middlewares.py 文件，编写自定义的类：

from scrapy.downloadermiddlewares.cookies import CookiesMiddleware
import browsercookie
class BrowserCookiesDownloaderMiddleware(CookiesMiddleware):
    def __init__(self, debug=False):
        super().__init__(debug)
        self.load_browser_cookies()

    def load_browser_cookies(self):
        # 注意这个地方的名字叫做 firefox
        jar = self.jars['firefox']
        firefox_cookiejar = browsercookie.firefox()
        for cookie in firefox_cookiejar:
            jar.set_cookie(cookie)

上述类的核心内容是使用 browsercookie 对浏览器的 cookie 进行提取，存储到 CookieJar 类型的字典 jars 中，后续请求的时候，在进行调用。

同步在 settings.py 文件中禁用默认的 CookiesMiddleware，启用咱们自定义的新类。

DOWNLOADER_MIDDLEWARES = {
    'scrapy.downloadermiddlewares.cookies.CookiesMiddleware': None,
    'csdn.middlewares.BrowserCookiesDownloaderMiddleware': 543,
}

在编写爬虫核心函数，重点修改 Request 请求为 POST 请求，并且携带相关参数，meta={'cookiejar':COOKIEJAR}。
代码如下所示：

import scrapy


class ClikeSpider(scrapy.Spider):
    name = 'clike'
    allowed_domains = ['csdn.net']
    like_url = 'https://blog.csdn.net/phoenix/web/v1/article/like'

    def start_requests(self):
        data = {
            "articleId": "120845464",
        }
        yield scrapy.FormRequest(url=self.like_url, formdata=data, meta={'cookiejar': 'firefox'})

    def parse(self, response):
        print(response.json())