我们如果要对网页进行爬虫经常遇到的问题就是登录账户，有些简单的网站我们可以输入账户密码就可以登录，但是有很多网站需要验证码之类的就不太好用了，也可以通过yolo等AI识别去识别图片实现验证码点击，但是比较麻烦，这时候就体现到了cookie登录的优点了，本文将使用Selenium4对52pojie携带cookie登录为例做一个简单的教程
本文使用的是Edge作为浏览器驱动，如需要使用别的浏览器可参考我的另外一篇文章
环境准备
Python 3.10
Edge
selenium 4
代码编写
首先我我需要实现的功能是携带 cookie 直接登陆52pojie，因为这个网站是需要验证码的，因此想要绕过验证码登陆，我们需要携带 cookie 直接登陆就可以绕过验证了，因为 cookie 不是简单的放在请求头就可以的，我们先进入网站然后登陆账号看看 F12 中 cookie 在浏览器中的样子：
它需要额外添加一些东西，那么我们该如何获取呢？其实也很简单，最简单的方法就是我们首先使用selenium4手动登录一下然后获取cookie值保存到本地，之后再登陆的时候直接调用本地cookie就可以了。
获取cookies
怎么获取呢？selenium有一个 get_cookies() 函数可以帮我们获取当前网页的cookie值，所以我们首先编写一个 getcookies.py 文件用来获取cookie值。
在getcookies.py中编写如下代码：
import json
import time
from selenium import webdriver
from selenium.webdriver.edge.service import Service as EdgeService
from webdriver_manager.microsoft import EdgeChromiumDriverManager
driver = webdriver.Edge(service=EdgeService(EdgeChromiumDriverManager().install()))
# 要登录的网站
driver.get("https://www.52pojie.cn/")
# 程序打开网页后20秒内 “手动登陆账户”
time.sleep(20)
# 生成cookies.txt文件用来保存cookies
with open('cookies.txt', 'w') as f:
# 将cookies保存为json格式
f.write(json.dumps(driver.get_cookies()))
# 关闭浏览器驱动
driver.close()
运行程序后会打开页面，我们需要在20秒内登陆好账户，然后等20秒后selenium自动获取 cookie 。
这时候 cookies.txt 已经生成了，我们可以看看里面 cookies 有没有保存。
使用cookies
创建addcookies.py 文件，编写如下内容：
import json
import time
from selenium import webdriver
from selenium.webdriver.edge.service import Service as EdgeService
from webdriver_manager.microsoft import EdgeChromiumDriverManager
# 驱动路径设置
driver = webdriver.Edge(service=EdgeService(EdgeChromiumDriverManager().install()))
# 要登录的网站
driver.get("https://www.52pojie.cn/")
# 首先清除由于浏览器打开已有的cookies
driver.delete_all_cookies()
# 读取cookies
with open('cookies.txt', 'r') as f:
# 使用json读取cookies 注意读取的是文件 所以用load而不是loads
cookies_list = json.load(f)
for cookie in cookies_list:
# 添加cookies
driver.add_cookie(cookie)
# 刷新页面
driver.refresh()
# 看看浏览器登陆情况 后面可以删除这行代码
time.sleep(5)
# 关闭驱动
driver.close()
运行图：
运行后，有小伙伴可能会发现出现报错，在插入cookie的时候 有返回如下错误：
selenium.common.exceptions.InvalidArgumentException: Message: invalid argument: invalid 'expiry'
这个 expiry 是什么呢？ 它是cookie的生命周期，也就是失效时间，为什么在这里会报错呢？我们有两种解决办法：
方法1——将expiry类型变为int（其实不太清楚为什么变为int就可以）
方法2——删除该字段
如果有报错的话，推荐使用第二种方法，比较简单。
重新编写addcookies.py 代码：
import json
import time
from selenium import webdriver
from selenium.webdriver.edge.service import Service as EdgeService
from webdriver_manager.microsoft import EdgeChromiumDriverManager
# 驱动路径设置
driver = webdriver.Edge(service=EdgeService(EdgeChromiumDriverManager().install()))
# 要登录的网站
driver.get("https://www.52pojie.cn/")
# 首先清除由于浏览器打开已有的cookies
driver.delete_all_cookies()
# 读取cookies
with open('cookies.txt', 'r') as f:
# 使用json读取cookies 注意读取的是文件 所以用load而不是loads
cookies_list = json.load(f)
# 正常方法
# for cookie in cookies_list:
# # 添加cookies
# driver.add_cookie(cookie)
# 方法1 将expiry类型变为int
# for cookie in cookies_list:
# # 并不是所有cookie都含有expiry 所以要用dict的get方法来获取
# if isinstance(cookie.get('expiry'), float):
# cookie['expiry'] = int(cookie['expiry'])
# driver.add_cookie(cookie)
# 方法2删除该字段
for cookie in cookies_list:
# 该字段有问题所以删除就可以
if 'expiry' in cookie:
del cookie['expiry']
driver.add_cookie(cookie)
# 刷新页面
driver.refresh()
# 看看浏览器登陆情况 后面可以删除这行代码
time.sleep(5)
# 关闭驱动
driver.close()