Python爬虫绕过登录验证方法
2026-04-13 21:56:41
0浏览
收藏
本文深入解析了Python爬虫绕过登录验证的核心难点:Selenium与requests会话完全隔离导致Cookie无法自动复用,必须在关闭浏览器前精准提取并转换driver.get_cookies()为{name:value}字典,同时警惕HttpOnly字段不可读、domain匹配失效、关键Headers(如User-Agent、Referer、X-CSRFToken)缺失等致命细节;文章不仅指出常见错误(如手动拼错键名、盲目保存完整Cookie对象),更给出实用方案——优先复用Selenium实例持续访问以规避指纹识别,或严谨补全Headers与CSRF令牌,强调“绕过登录”的本质是同步整个认证上下文,而非仅传递Cookie。

用Selenium登录后直接复用Cookie,为什么 requests 仍返回 401?
因为 requests 不自动读取 Selenium 启动的浏览器 Cookie,两者会话完全隔离。Selenium 操作的是真实浏览器上下文,而 requests 是纯 HTTP 客户端,它不知道你刚在 Chrome 里点过登录按钮。
常见错误是:登录完就关掉浏览器,再用 requests.get(url, cookies=...) —— 这时传的要么是空字典,要么是手动拼错的键名(比如把 sessionid 写成 SESSIONID)。
- 必须在 Selenium 登录成功后、关闭浏览器前,调用
driver.get_cookies()获取原始 Cookie 列表 - 需转换为
requests可识别的字典格式:{cookie['name']: cookie['value'] for cookie in driver.get_cookies()} - 注意部分网站设了
HttpOnly标志(如 CSRF token),这类 Cookiedriver.get_cookies()拿不到,不能靠它做后续请求校验
保存 Cookie 到文件再加载,要注意 domain 和 expiry 字段
直接用 json.dump() 存 driver.get_cookies() 返回的列表没问题,但加载回来给 requests 用时,requests 会忽略 domain、expiry、httpOnly 等字段 —— 它只认 name 和 value。所以别试图用 requests.cookies.RequestsCookieJar().set() 手动补全 domain,没用。
- 保存时用:
json.dump(driver.get_cookies(), open('cookies.json', 'w')) - 加载时只需提取 key-value:
cookies = {c['name']: c['value'] for c in json.load(open('cookies.json'))} - 如果目标 URL 域名和登录页不一致(比如登录页是
login.example.com,爬取页是app.example.com),得确认 Cookie 的domain字段是否支持父域(如.example.com),否则加载后可能无效
Selenium 登录后不关闭浏览器,还能继续用 driver.get() 吗?
可以,而且更稳。很多网站会检查 User-Agent、TLS 指纹、鼠标轨迹等,用同一个 driver 实例持续访问,比把 Cookie 提出来交给 requests 更不容易触发风控。
- 登录后不要调
driver.quit(),直接driver.get('https://target-page.com/data') - 若页面是 JS 渲染的,用
WebDriverWait等待关键元素,别依赖time.sleep() - 注意内存占用:长时间运行要定期清理页面(
driver.execute_script('window.localStorage.clear();'))或启用无头模式 + profile 复用 - 遇到
TimeoutException或空白响应,先检查是否被重定向到登录页 —— 说明 Cookie 已过期,得重新登录
为什么有些网站即使 Cookie 正确,requests 仍被跳转到登录页?
因为除了 Cookie,还依赖 Header 中的 Referer、Origin,甚至自定义 Header(如 X-Requested-With: XMLHttpRequest)。更隐蔽的是反爬机制会验证 TLS 证书指纹、HTTP/2 流控特征,这些 requests 默认不具备。
- 至少补全:
headers = {'User-Agent': driver.execute_script("return navigator.userAgent;")} - 从 Selenium 中获取当前页面的
Referer:driver.current_url作为上一页地址填入 - 如果接口返回 JSON 却提示 403,大概率是缺了
X-CSRFToken—— 这个值通常藏在 HTML 的meta[name='csrf-token']里,得用driver.find_element(By.XPATH, "//meta[@name='csrf-token']").get_attribute('content')提取
好了,本文到此结束,带大家了解了《Python爬虫绕过登录验证方法》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!
Golangchannel关闭技巧与方法详解
- 上一篇
- Golangchannel关闭技巧与方法详解
- 下一篇
- Perplexity收藏夹使用教程汇总
查看更多
最新文章
-
- 文章 · python教程 | 4小时前 | python · Python 十六进制 二进制调试 memoryview.hex bytes_per_sep
- Python memoryview.hex 怎样为十六进制输出设置分组分隔符
- 480浏览 收藏
-
- 文章 · python教程 | 5小时前 | python · Python decimal context same_quantum
- Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
- 336浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python textwrap.TextWrapper.drop_whitespace 怎样控制换行边缘的空白保留
- 238浏览 收藏
-
- 文章 · python教程 | 8小时前 | python · 文件系统 · Python 文件比较 mtime filecmp.clear_cache filecmp.cmp 比较缓存
- Python filecmp.clear_cache 怎样清除文件比较结果缓存
- 290浏览 收藏
-
- 文章 · python教程 | 8小时前 | 标准库 · 递归 · python · Python 解释器 递归限制 sys.getrecursionlimit
- Python sys.getrecursionlimit 怎样读取解释器设置的递归深度上限
- 129浏览 收藏
-
- 文章 · python教程 | 10小时前 | Python教程 · Python memoryview memoryview.toreadonly bytearray 只读视图 缓冲区协议
- Python memoryview.toreadonly 怎样生成只读视图而不复制底层数据
- 470浏览 收藏
-
- 文章 · python教程 | 11小时前 | 标准库 · Python教程 · Python decimal flags 精度 舍入 Context.copy_abs Decimal.copy_abs
- Python decimal.Context.copy_abs 怎样取绝对值而不受当前精度舍入影响
- 389浏览 收藏
-
- 文章 · python教程 | 11小时前 | 字符串 · 标准库 · Python教程 · Python placeholder 文本截断 textwrap TextWrapper max_lines
- Python textwrap.TextWrapper.placeholder 怎样为截断后的段落设置结束标记
- 301浏览 收藏
-
- 文章 · python教程 | 12小时前 | python · Python 参数绑定 inspect BoundArguments apply_defaults
- Python inspect.BoundArguments.apply_defaults 怎样给已绑定参数补上默认值
- 411浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1100次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1095次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1266次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1205次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1051次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

