爬蟲第五步:如何使用python 帶 cookie 去網站?

好富投 1920x400
好富投 978x258

點我了解更多資訊


什麼是 Cookie?何時需要用它?

Cookie 是您造訪的網站所建立的檔案。這些檔案透過儲存瀏覽資訊,為您提供更便利的線上體驗。網站可以利用 Cookie 進行以下操作:
1. 保持登入狀態
2. 記住您的網站偏好設定
3. 提供與您所在地相關的內容

–GOOGLE

有時候我們需要爬取登入後才能訪問的頁面,這時就需要藉助 cookie 來完成模擬登入和會話的維持了。

那麼伺服器是如何知道我們已經登錄了呢?當用戶首次發送請求時,伺服器端一般會生成並存儲一小段信息,包含在response數據裡。

如果這一小段信息存儲在客戶端(瀏覽器或硬碟),我們稱之為cookie。

Session(會話)

如果這一小段信息存儲在伺服器端,我們稱之為session(會話)。

這樣當用戶下次發送請求到不同頁面時,請求自動會帶上cookie,這樣伺服器就知道用戶之前已經登入訪問過了。

Py 101209161710
Py 101209161711

以爬取需要先知道滿 18 歲的 PTT 頁面為範例

以下就是我們這次的範例目標:

https://www.ptt.cc/bbs/Gossiping/index.html

以爬取需要先知道滿 18 歲的 PTT 頁面為範例
爬取需要先知道滿 18 歲的 PTT 頁面為範例

但因為在使用python進去 18禁 頁面時,

是會跳出條件選擇的,所以沒有帶cookie時,是爬不到頁面的哦!

那麼就直接開始吧!

先打開第一層的 F12 看一下目前的 cookie:

在尚未點選滿18歲時的 cookie 長相如下圖。

使用python 帶 cookie 去網站

這是點選後進去的長相。

使用python 帶 cookie 去網站

所以我們知道就是差在 over18 = 1 這個內容,那就直接把它加進去即可囉!

首先我們先呼叫基本套件,並把目標網址先設定好:

import requests
from bs4 import BeautifulSoup
url = ‘https://www.ptt.cc/bbs/Gossiping/index.html’

再來就是把 header 做好,並且將剛剛的 over18 = 1 放進去:

headers = {
   “cookie”: “over18=1”,
   “User-Agent”: “Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/537.36
(KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36″0
}

最後就像是一般爬蟲一樣,將對應的丟進去即可囉!

r = requests.get(url, headers=headers).content
soup = BeautifulSoup(r, “html.parser”)
text_titles = soup.find_all(“div”, class_=”title”)

for title in text_titles:
    if title.a != None:
      print(title.a.string)

那結果就會如下圖,這就是帶cookie後,相對應爬出來的內容囉!

使用python 帶 cookie 去網站

那這篇文大概就介紹到這邊,因為 cookie 的使用方式很多元,

會需要考量很多種狀況,所以如果各位真的有興趣,

我再找時間寫其他相關的內容囉!

那程式碼我附在底下,感謝大家!

爬蟲程式碼範例

完整程式碼如下:

import requests
from bs4 import BeautifulSoup
url = ‘https://www.ptt.cc/bbs/Gossiping/index.html’

headers = {
   “cookie”: “over18=1”,
   “User-Agent”: “Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/537.36
(KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36″0
}
r = requests.get(url, headers=headers).content
soup = BeautifulSoup(r, “html.parser”)
text_titles = soup.find_all(“div”, class_=”title”)

for title in text_titles:
    if title.a != None:
      print(title.a.string)


量化通粉絲社群,一起討論程式交易!

加入LINE社群量化交易討論群」無壓力討論與分享!

加入臉書社團「程式交易 Taiwan」即時獲取實用的資源!

RoWay
RoWay

多年投資經驗的兩岸三地操盤手,曾任海外資產管理公司交易平台的產品經理、與各外商投資公司合作開發各式交易策略與系統。

擅長用Python執行資料蒐集、整理、分析與交易;也善於用Multicharts、MetaTrader等系統建構並回測期貨、期權、區塊鏈策略進而完成投資組合管理。

文章: 28

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *