在保持合理的數(shù)據(jù)采集上，使用python爬蟲也并不是一件壞事情，因為在信息的交流上加快了流通的頻率。今天小編為大家?guī)砹艘粋€稍微復雜一點的應對反爬蟲的方法，那就是我們自己構造cookies。在開始正式的構造之前，我們先進行簡單的分析如果不構造cookies爬蟲時會出現(xiàn)的一些情況，相信這樣更能體會出cookies的作用。

網(wǎng)站需要cookies才能正常返回，但是該網(wǎng)站的cookies過期很快，我總不能用瀏覽器開發(fā)者工具獲取cookies，然后讓程序跑一會兒，每隔幾分鐘再手動獲取cookies，再讓程序繼續(xù)跑吧。如果反復這樣工作，那么寫爬蟲也就沒意義了。便開始對cookies進行分析。

從瀏覽器的開發(fā)者工具獲取到的cookies大約有10個字段，經(jīng)過反復測試，能讓網(wǎng)站正常返回的只需要兩個字段，分別為__jsluid_h=011a522dbxxxxxxxxc1ce59d336e5e60和__jsl_clearance=1581880640.794|0|trTB4c6b%2BZpvxxxxxxxx8YqCOOo%3D （中間打碼處理）。

經(jīng)過測試，如果請求的時候不自己構造cookies，默認會返回__jsluid_h ：

先嘗試了將那段js腳本保存下來，包裝成一個html文件打開，發(fā)現(xiàn)瀏覽器不停的刷新，也并沒起什么作用。那就分析一下js腳本，原來的代碼是單行的，自己整理一下并加了一些變量名和log，大概是這么個樣子：

將第16行的變量cmd打印出來看看，發(fā)現(xiàn)是另一段類似的腳本：

可以看到第二段腳本已經(jīng)開始設置cookies的__jsl_clearence 字段了。這些顯然就是混淆后的js腳本，但是分析到這里也就大概弄明白了從發(fā)送請求到網(wǎng)站返回是怎么回事。之所以在本地跑這段代碼會不斷刷新，是因為第二行的setTimeout會讓其在1.5秒后重新請求，但是我們本地沒有服務處理請求讓其停止，所以會不斷的刷新。

而第一段腳本當中，變量y是完整的js代碼 ，代碼中的變量名和關鍵字被進行編碼了，變量x存儲的是用來替換的變量名和關鍵字，后面是解碼函數(shù)。所以現(xiàn)在的問題變成了獲取第一段腳本當中的cmd代碼，執(zhí)行后再獲取第二段代碼的document.cookie的內(nèi)容即可。

可是對于python和js的交互我完全沒接觸過，嘗試了PyExecJS和Js2Py，都沒辦法正常執(zhí)行第一段腳本。無奈之下，我用python復現(xiàn)了第一段腳本，然后用Js2Py獲取了cookie。在請求一次過后，構造cookies，再請求一次，就可以了：

def test(): url = REQUEST_URL # url = ’https://www.baidu.com’ request_header = get_header() html = requests.get(url, headers=request_header) print(html) jscode = html.text # print(jscode) # tryjs.get_cookies()為復現(xiàn)的js代碼，以及用Js2Py獲取cookies的代碼 request_cookies = try_js.get_cookies(jscode) request_cookies += ’;__jsluid_h=’ + html.cookies[’__jsluid_h’] request_header[’Cookie’] = request_cookies print(request_header) html = requests.get(url, headers=request_header, timeout=5) print(’new connection’) print(html) print(html.text)

在經(jīng)歷重重的分析試驗后，我們終于得出以上的代碼成功實現(xiàn)了構造cookies。相信經(jīng)過本篇的學習，小伙伴們又多了一種解決爬蟲阻攔獲取數(shù)據(jù)的cookies辦法了，趕快行動起來吧。

到此這篇關于cookies應對python反爬蟲知識點詳解的文章就介紹到這了,更多相關如何構造cookies應對python反爬蟲內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網(wǎng)！