我正在尝试从网站抓取数据,当我使用requests.session时,从网站获取cookies似乎有问题。下面的代码可以更好地解释
import requests
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36'}
url = "https://www.nseindia.com"
r_without_headers = requests.get(url)
print("response code",r_without_headers.status_code)
print("Resp no header cookies ",r_without_headers.cookies.get_dict())
r_with_headers = requests.get(url,headers = headers)
print("response code",r_with_headers.status_code)
print("Resp with header cookies ",r_with_headers.cookies.get_dict())
s1 = requests.session()
s1_req = s1.get(url)
print("response code",s1_req.status_code)
print("Session no header Cookies ", s1.cookies.get_dict())
print("Session no header Response Cookies", s1_req.cookies.get_dict())
s2 = requests.session()
s2.headers = headers
s2_req = s2.get(url)
print("response code",s2_req.status_code)
print("Session with header Cookies ", s2.cookies.get_dict())
print("Session with header Response Cookies", s2_req.cookies.get_dict())
输出
response code 200
Req no header cookies {}
response code 200
Req with header cookies {'ak_bmsc': 'F4040D045001A7CD57BBC58C09C9117F174C9D8E21750000240B665BDDE23467~plhUo272BWU9CTPiQAEJgiZ07qX/BOE0n6iOU8y9pewbmXipo8de1YROpMw6AEtjQDgdt3x+M/2QDATjSAtaRiDVlsDGZfohfsymElg0Xpq0Uta3OYSOSe2B48eg2lJD0CMios+0eqatEro6XvEkYAy+4D14EUHAE/eRp5oVUOpVL6JR8WMNNFoE6Xo7xYQtfLFu8hS1sUNABrYkr6XNFGY3YnkZmawa7imZswMI4tICc='}
response code 200
Session no header Cookies {}
Session no header Request Cookies {}
response code 200
Session with header Cookies {}
Session with header Request Cookies {}
ISSUE
网站显然需要User-Agent集合来提供cookie,所以当我使用user agent集合发出get请求时,我会得到预期的cookie,而不需要user-agent集合。
当我尝试用requests.session做同样的事情时,我没有得到响应cookie,有没有头部?
The Question
为什么会发生这种情况?我是不是不正确地使用了会话,还是网站坏了?(如果是这样的话,我不会感到惊讶)
如何使用会话获取cookie?
我目前的想法是发送一个简单的get请求,检索cookie,并在会话中手动设置cookie。但是这似乎不正确,如果cookie在随后的请求中被修改,则不能保证会话将更新cookie,因为原始会话一开始就无法检索cookie。我不希望使用裸体请求来编写完整的代码,并手动将cookie传输到后续请求。
发布于 2018-08-05 04:42:01
问题是您正在用自己的字典覆盖会话的headers
对象(在幕后并不是一个实际的字典)。
相反,只需更新它:
s2.headers.update(headers)
例如。
import requests
url = "https://www.nseindia.com"
s2 = requests.session()
s2.headers.update({'User-Agent': 'Mozilla/5.0'})
s2_req = s2.get(url)
print("Session with header Cookies ", s2.cookies.keys())
快乐的输出
Session with header Cookies ['ak_bmsc']
https://stackoverflow.com/questions/51689380
复制相似问题