V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member  Sign In
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
aaronhua
V2EX  ›  Python

讨论型主题:想写一个库,用来本地化 cookies 的,大家给点建议。

  •  1
     
  •   aaronhua · Jul 25, 2019 · 2390 views
    This topic created in 2481 days ago, the information mentioned may be changed or developed.

    面向的系统的特点

    1. 需要长久的爬取,长期的保持登陆
    2. 需要做登陆验证的
    3. 对于登陆时敏感的,对登录次数有限制
    4. 提供兼容多线程的爬虫方式
    5. session 的本地化,极大的方便调试
    6. 对于无需登陆,或者登陆限制小的就不适用这个库。

    我预计的调用示例

    from logincraw import BaseCraw, session
    app = BaseCraw('baiducraw')
    
    @app.login # 系统登陆逻辑,返回 session
    def login():
        session.get('https://www.baidu.com')
        return session # 必须 return session
    
    @app.whether_login # 验证是否登陆成功的方法
    def whether_login(session):
        r = session.get('https://www.baidu.com') # 请求系统的某个页面,用于检测是否登陆
        if r is 'logined':
            return True
        else:
            return False
    
    @app.check_login(thread = 2) # 参数 thread 启动的线程数。与 app.run()搭配
    def start_craw(): # 实际爬虫的逻辑
        print('i am running')
        return save_to_db()
    
    if __name__ == '__main__':
        app.run() # 调用多线程方法
        # or
        # start_craw() # 调用本身的方法
    

    写了个初版的 demo
    https://github.com/aaronhua123/logincraw

    6 replies    2019-08-16 09:25:33 +08:00
    aaronhua
        1
    aaronhua  
    OP
       Jul 25, 2019
    一直在做一些办公系统的爬虫,因为不能频繁登录,所以提取 cookies,保存到 sqlite3 数据库,使用的时候再提取出来。因为对 flask 的调用方式有好感,所以就写成这种调用方式了。(狗头)
    joson1205
        2
    joson1205  
       Jul 26, 2019
    难道 cookies 没有时效性的??
    aaronhua
        3
    aaronhua  
    OP
       Jul 26, 2019
    @joson1205 需要添加代码去保存 cookies,我之前使用 pickle 去保存 session,但是多线程下调用有问题。我也一直没有想清楚这个问题。会不会有更好的实践方式,所以找你们大佬讨论下。
    joson1205
        4
    joson1205  
       Jul 30, 2019
    @aaronhua 既然你都说了多线程调用问题,是不是用户登录的安全策略导致?很多系统都是限定一个用户只能限定一个客户端操作的,就像 QQ,这边登录了另外一边就强制下线
    lmingzhi08
        5
    lmingzhi08  
       Aug 15, 2019 via Android
    redis cookies 池?
    可以参考静觅的爬虫书《 Python3 网络爬虫开发实战》
    aaronhua
        6
    aaronhua  
    OP
       Aug 16, 2019
    @lmingzhi08 速度问题,都推荐使用 redis。(┬_┬)
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   1068 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 32ms · UTC 23:13 · PVG 07:13 · LAX 16:13 · JFK 19:13
    ♥ Do have faith in what you're doing.