प्रौद्योगिकी साझेदारी

Python crawler tutorial भागः ६ - अनुरोधस्य आरम्भार्थं सत्रस्य उपयोगः

2024-07-12

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

सत्रस्य उपयोगः किमर्थम्

पूर्वं वयं अनुरोधस्य आरम्भार्थं reqesuts इत्यस्य उपयोगः कथं करणीयः इति परिचयं कुर्मः। सत्रस्य सरलं अवगमनं सत्रतन्त्रम् अस्ति, ततः परं सेवादत्तांशं अनुरोधयन्ते सति पुनः प्रवेशस्य आवश्यकता नास्ति, वयं मन्यामहे यत् भवतः सत्रस्य स्थितिः कुकीयां रक्षिता अस्ति, प्रत्येकं अनुरोधः स्वयमेव भविष्यति कुकी पैरामीटर्स् वहन्तु यदि भवान् reqeusts.request इत्यस्य उपयोगं करोति तर्हि प्रत्येकं समये कुकी पैरामीटर्स् मैन्युअल् रूपेण वहतु । reqeuest.Session() सत्रवस्तु अनुरोधयोः मध्ये कतिपयान् मापदण्डान् स्थातुं शक्नोति । एकेन Session उदाहरणेन कृतानां सर्वेषां अनुरोधानाम् मध्ये कुकी अपि निर्वाहयिष्यति, अतः प्रत्येकं समये कुकी स्थितिं हस्तचलितरूपेण नियन्त्रयितुं आवश्यकता नास्ति ।

सन्दर्भदस्तावेजः : १.
आधिकारिक दस्तावेजीकरण

कथं प्रयोगः करणीयः

session इत्यस्य उपयोगविधिः वस्तुतः reqeust मेथड् इत्यस्य सदृशी अस्ति, अपि च session.get(), session.post(), session.request() इत्यादीनां मेथड् इत्यस्य समर्थनं करोति ।

s = requests.Session()

s.get('https://httpbin.org/cookies/set/sessioncookie/123456789')
r = s.get('https://httpbin.org/cookies')

print(r.text)
# '{"cookies": {"sessioncookie": "123456789"}}'
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

उत्तम अभ्यास कुकी पुनरुपयोग

केषाञ्चन वेबसाइट्-संसाधने आवश्यकाः प्रवेश-सत्यापन-अनुमतिः सत्रस्य माध्यमेन अनुरोधितुं शक्यन्ते, येन प्रत्येकं भवद्भिः पश्चात् प्रवेशः करणीयः भवति, तदा भवन्तः प्रत्यक्षतया रक्षित-कुकी-इत्यस्य उपयोगं कर्तुं शक्नुवन्ति, एतस्य कुकी-निर्माणस्य च उपयोगं कर्तुं शक्नुवन्ति एकं सत्रं ततः पुनः पुनः प्रवेशं परिहरितुं अनुरोधं आरभत । बहुयन्त्राणां दत्तांशस्य समवर्ती क्रॉलिंग् कृते उपयुक्तम् ।

कुकी पुनः उपयोगस्य अभ्यासः : १.

import json
import traceback

import requests.utils

from executor.page_executor import PageExecutor
from file_path import get_absolute_path


cookie_path = get_absolute_path('data/cookie.txt')
request_session: requests.Session = None

def __load_cookie():
    '''
    加载本地cookie,如果存在加载,如果不存在就返回空
    :param session:
    :return:
    '''
    try:
        with open(cookie_path, "r") as f:
            load_cookie = json.load(f)
            return requests.utils.cookiejar_from_dict(load_cookie)
    except Exception as e:
        traceback.print_exc()
        return None

def get_session():
    global request_session
    if request_session is not None:
        return request_session
    else:
        request_session = requests.Session()
        exist_cookies = __load_cookie()
        if exist_cookies is not None:
            request_session.cookies.update(exist_cookies)

        return request_session

def save_cookie():
    # 登录成功, session里的cookie是最全的,response返回的cookie不全
    cookiejar = requests.utils.dict_from_cookiejar(request_session.cookies)
    with open(cookie_path, "w") as f:
        json.dump(cookiejar, f, indent=True)
    whv_logger.info('cookies saved to ./data/cookie.txt')


def update_cookie():
    '''
    为什么需要一个新的session
    # 走到这一步,说明session已经过期,重新获取session,需要重新处理下session
    # 1. 但是因为携带有旧的session,导致携带旧的__RequestVerificationToken和新的__RequestVerificationToken一起请求,登录失败
    # 2. 所以需要重新处理下session,主要是处理__RequestVerificationToken
    :return:
    '''
    error_cookie_jar = requests.utils.dict_from_cookiejar(request_session.cookies)

    new_cookie_jar = {'__RequestVerificationToken': error_cookie_jar['__RequestVerificationToken']}
    new_cookie = requests.utils.cookiejar_from_dict(new_cookie_jar)

    # 清空旧的cookie
    request_session.cookies.clear_session_cookies()
    # 填充新的cookie
    request_session.cookies.update(new_cookie)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63