超强cookie池发布,针对日趋严峻的反爬虫形势

网络爬虫

浏览数:257

2019-2-24

AD:资源代下载服务

Cookie-Pool

一个强大的Cookie池项目,超乎你的想象

1 综述

随着大型网站反扒机制的增强,使用cookie登陆已经成为一种最高效的方式,为此打造一款超强cookie池项目

基于tornado网络框架,综合了selenium、requests、Session、scrapy、cookie字符串、浏览器cookie

把六中来源的cookie统一为一种格式,并通过tornado开发的控制台,来提供cookie检测设置和可视化

本项目分为cookie获取部分、存储部分、可视与中控部分、预留自动登录获取部分

2 文件目录结构说明

2.1 db

peeweetools:封装了操作sqlite的基本方法和函数

redistools: 封装了redis的基本方法和函数

2.2 handle

getcookie:封装了从本地浏览器、requests、session、webdriver、cookie字符串中获取cookie的方法

interface:封装了协调调用sqlite、redis的方法,是在peeweetools、redistools的基础上再次封装主要实现存放cookie和获取cookie的函数 testcookie:定义了用于测试cookie的类

2.4 static

静态文件目录,存放sqlite

2.5 template

可视化的html模板文件,用于tornado渲染

2.6 setting.py

配置文件

2.7 web.py

主程序文件,实现调度和网页操作、后台操作的相关接口

2.8 requirements.txt

项目涉及到的Python包,使用pip install -r requirements.pip命令自动安装

安装browsercookie失败的话请使用anaconda Python解释器自带了这个包

3 架构说明

用两种方式与用户交互:1.条用web接口 2.调用内部方法

selenium、requests、Session、scrapy的cookie存放目前只能通过调用内部方法

获取Chrome浏览器cookie,解析cookie字符串可通过在线操作和内部方法来实现

4 前端视图

4.1 配置检测方式:selenium、requests

检测的URL、打开URL后标志性的字段

4.2 配置检测之后点击保存,然后可以检测了

如果没有配置检测方式及其字段是不能够检测的

4.3 **检测原理:**

通过打开我们配置的url地址检测在url地址中只有登陆后才能出现的字段如:用户名、账号名

所以配置的URL最好是登陆后才可见的地址

4.4 **多账号配置**

如果是多条cookie,分别对应多个账号,但是有多个用户名,这种方式下我们可以把所有用户名

以英文;连接起来(如:张三;李四;老王),后台会以;分割sign字段,在每个cookie页面都作为关键词检测

如果含有其中一个那么就是可用的cooker,否则就是失效的cookie。

5 Redis、SQLite

5.1 Redis

是使用的本地Redis数据库,在window下下载redis——sever.exe服务端打开即可

也可在setting.py文件中修改REDIS_URL地址为远程Redis地址

5.2 SQL

本项目使用的是SQLite数据库,也可换成mysql

将db/peeweetools.py文件中的

blog = PooledSqliteDatabase(‘static/cookies.db’)修改为PooledMySQLDatabase

具体配置看文档

6 使用方法

6.1 启动

在环境配置好的前提下,运行web.py文件,即可启动

6.2 存放cookie

6.2.1 存放selenium的cookie

from selenium import webdriver
from handle.Interface import put_cookie

url = "http://www.baidu.com'
driver = webdriver.Chrome()
driver.get(url)
data = driver.get_cookies()
put_cookie(url, data)

此时selenium的cookie就放到了Redis,在redis中的key是cookies:domain格式

6.2.2 存放本地Chrome中的cookie

运行web.py之后打开http://localhost:端口/

在获取cookie框中填入网址

或者通过调用内部方法

from handle.getcookie import get_chrome_cookie
from handle.Interface import put_cookie

url = "http://www.taobao.com"
cookie_list = get_chrome_cookie(url) # 返回淘宝的cookie列表
put_cookie(url, cookie_list)

6.2.3 存放requests/Session的cookie

向get_reque_session_cookie函数中传入response对象将解析cookie

import requests
from requests import Session
from handle.Interface import put_cookie
from handle.getcookie import get_reque_session_cookie

url = "http://www.taobao.com"
response = requests.get(url)
session = Session.get(url)
cookies = get_reque_session_cookie(response)
cookies = get_reque_session_cookie(session) 
put_cookie(url, cookies)

6.2.4 存放scrapy的cookie

使用方法大致同获取requests/Sessioncookie的方法一致

将scrapy的response对象传入get_scrapy_cookie函数

6.2.5 存放cookie字符串

from handle.Interface import put_cookie
from handle.getcookie import get_text_cookie

url = "http://www.baidu.com"

str = """REALTIME_TRANS_SWITCH=1; FANYI_WORD_SWITCH=1; HISTORY_SWITCH=1; 
        SOUND_SPD_SWITCH=1; SOUND_PREFER_SWITCH=1; to_lang_often=%5B%7B%22value%22
        :%22en%22%2C%22text%22:%22%u82F1%u8BED%22%7D%2C%7B%22value%22:%2
        2zh%22%2C%22text%22:%22%u4E2D%u6587%22%7D%5D; from_lang_often=%5B%7B%2
        2value%22:%22zh%22%2C%22text%22:%22%u4E2D%u6587%22%7D%2C%7B%22value%2
        2:%22en%22%2C%22text%22:%22%u82F1%u8BED%22%7D%5D; Hm_lvt_64ecd82404c5
        1e03dc91cb9e8c025574=1546396967,1548035203; BAIDUID=E6BB8BCF4B51CC6A516F391
        20FB9580F:FG=1; PSTM=1548043541; BIDUPSID=A4BC9C784FA26726086F330B96C55BA1;
         ZD_ENTRY=baidu; delPer=0; locale=zh; BDORZ=B490B5EBF6F3CD402E515D22BCDA1598;
          Hm_lpvt_64ecd82404c51e03dc91cb9e8c025574=1548057039; PSINO=3; BDRCVFR[qQNS-
          g6pS-_]=mbxnW11j9Dfmh7GuZR8mvqV; H_PS_PSSID=26523_1456_21118_28329_28132_26
          350_28266_27245"""
cookies = get_text_cookie(url, str)
put_cookie(url, cookies)

或者在html页面操作:

6.3 获取cookie

6.3.1 通过接口获取cookie

import requests
url1 = 'http://localhost:端口号/random?url=网址'  # 随机获取一条该域名的cookie
url2 = 'http://localhost:端口号/all?url=网址'  # 返回该域名的所有cookie

cookies = requests.get(url1)

6.3.2 通过内部方法获取cookie

from handle.Interface import get_cookie

url = "http://www.taobao.com"
cookies = get_cookie(url) # 返回所有cookie

6.4 cookie的检测

6.4.1 配置检测信息

在检测之前需要配置相关的信息

TEST_TYPE:检测类型,是通过requests打开配置的URL还是通过selenium打开

TEST_URL:含有验证信息的页面地址如:登录页、个人资料页面

TEST_SIGN:鉴别有效cookie的字段如用户名等,多个cookie的不同字段用英;连接起来

三个字段必须配置,不配置不能保存;配置后点击保存,然后再点击检测。

项目github地址,觉得不错就给个星星吧