爬虫之Cookie获取:利用浏览器模拟一个cookie出来、面对反爬虫、加密的cookie的应对方法
- 在爬虫或模拟请求时,特别是获取验证码的时候,反爬虫的网站的cookie或定期失效,复制出来使用是不行的
- 为了应对这种方式,我们可能就需要像浏览器打开网站一样,取得它信任的cookie
- selenium就是一个很好的手段
一、什么是selenium
- Selenium最初是一个自动化测试工具,Selenium可以驱动浏览器自动执行自定义好的逻辑代码,即通过代码完全模拟使用浏览器自动访问目标站点并操作,所以也可以用来爬虫。
二、准备工作
- 安装Chrome
- 下载对应版本的chromedriver.exe
2.1 chrome 查看版本
bash
复制代码
# chrome地址栏输入下面的内容即可查看
chrome://version/
2.2 下载对应版本的chromedriver.exe
- 上下2图的版本号要对应上(最新版本的chrome的driver可能还没有)
2.3 一组对应上的chrome和driver
- 微信搜索"数字续坚",在"资源"TAB页面,输入"selenium",然后复制百度网盘的下载地址
- 注意:chrome会自动更新,建议安装chrome前,先在hosts文件中加入如下内容,屏蔽chrome的自动升级
bash
复制代码
127.0.0.1 update.googleapis.com
三、编码实现
java
复制代码
// Java 代码
//目标网站的网址,也可以直接是验证码链接
String targetUrl = "https://www.baidu.com";
//设置chromedriver.exe的路径,下方是在当前目录下
System.setProperty("webdriver.chrome.driver", "./chromedriver100.exe");
ChromeDriver chromeDriver =new ChromeDriver();
chromeDriver.get(url);
//读取cookie
Set<Cookie> cookies = chromeDriver.manage().getCookies();
String cookieStr = "";
for (Cookie cookie : cookies) {
cookieStr += cookie.getName() + "=" + cookie.getValue() + ";";
}
//打印cookie结果
System.out.println(cookieStr);
- 针对其他语言、其他系统或不想配置chrome+driver的兄弟,这里提供了快速获取的办法
- 见文档。