使用 selenium 讀取需要登入會員的網頁

使用selenium 寫爬蟲讀取網頁內容是很常見的需求，不過你可能會遇到需要先登錄帳號才能爬取內容的網頁，像是博客來上限制級的書就是這樣的例子，你會看到如下的交談窗：

由於登錄帳號後會利用 cookie 記錄已登錄資訊，為了讀取這樣的網頁，我們可以先手動登錄，登錄之後匯出 cookie 到檔案。之後利用 selenium 爬取網頁時，再將匯出的 cookie 重新加入，重新整理網頁即可正常讀取網頁內容了。

匯出 cookie

請先利用 selenium 開啟欲讀取的網頁，這裡以部落格來為例：

這時請依照正常程序登入會員，然後安裝 cookie_editor 外掛：

請記得切回部落格來的首頁，利用外掛以 JSON 格式匯出所有的 cookie：

它會將 cookie 內容複製到剪貼簿上，請自行貼到文字編輯器存檔。

重新加入 cookie

接著把 selenium 關閉，再重新開啟：

要加入 cookie，一定要在跟 Cookie 相同網域的網頁，所以要記得先開啟部落格來網頁。接著就可以開啟儲存 cookie 的檔案，載入成為 Pytho 的字典：

再把 cookie 一一加回去：

這時你應該會看到以下的錯誤：

這是因為cookie-editor 匯出的資料中，在sameSite 屬性中是以null 表示"no_restriction" 表示沒有限制一定要是同一個網站，但是selenium 只認得"Strict", "Lax", "None"這三種限制，所以診斷為錯誤，我們必須手動修改JSON 檔，自行把所有sameSite屬性值都改為"None"（注意是字串喔），也請檢查把網域不是".books.com.tw " 的cookie 刪除：

修改完之後，重新載入並加入 cookie 就不會出錯了。

重新整理網頁讓 cookie 生效

加入 cookie 後，你看到的畫面仍然是未登入的畫面：

必須重新整理網頁才能讓 cookie 生效：

看到的就是登錄會員的頁面了：

這樣就可以利用 selenium 讀取需要登入會員的頁面了。

最後要提醒的就是 cookie 都有時效，如果一段時間過後無法利用先前儲存的 cookie 登錄，只要重新依據上述步驟重新取得 cookie 就可以了。

以上是使用 selenium 讀取需要登入會員的網頁的詳細內容。更多資訊請關注PHP中文網其他相關文章！