爬蟲第五步：如何使用python 帶 cookie 去網站？

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。

Cookie

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。

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

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。

這是點選後進去的長相。

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！

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)