使用 selenium 讀取需要登入會員的網頁

使用 selenium 撰寫爬蟲讀取網頁內容是很常見的需求，不過你可能會遇到需要先登入帳號才能爬取內容的網頁，像是博客來上限制級的書就是這樣的例子，你會看到如下的交談窗：

由於登入帳號後會利用 cookie 記錄已登入資訊，為了讀取這樣的網頁，我們可以先手動登入，登入之後匯出 cookie 到檔案。之後利用 selenium 爬取網頁時，再將匯出的 cookie 重新加入，重新整理網頁即可正常讀取網頁內容了。

匯出 cookie

請先利用 selenium 開啟欲讀取的網頁，這裡以博客來為例：

>>> from selenium import webdriver
>>> driver = webdriver.Edge()
>>> driver.get('https://www.books.com.tw')

這時請依照正常程序登入會員，然後安裝 cookie_editor 外掛：

請記得切回博客來的首頁，利用外掛以 JSON 格式匯出所有的 cookie：

它會將 cookie 內容複製到剪貼簿上，請自行貼到文字編輯器存檔。

重新加入 cookie

接著把 selenium 關閉，再重新開啟：

>>> from selenium import webdriver
>>> driver = webdriver.Edge()
>>> driver.get('https://www.books.com.tw')

要加入 cookie，一定要在跟 Cookie 相同網域的網頁，所以要記得先開啟博客來網頁。接著就可以開啟儲存 cookie 的檔案，載入成為 Pytho 的字典：

>>> import json
>>> with open('cookies.json') as f:
...     cookies = json.load(f)

再把 cookie 一一加回去：

>>> for cookie in cookies:
...     driver.add_cookie(cookie)

這時你應該會看到以下的錯誤：

Traceback (most recent call last):
  File "<stdin>", line 3, in <module>
  File "C:\Users\meebo\code\python\poetry_env\py310\.venv\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 670, in add_cookie
    assert cookie_dict["sameSite"] in ["Strict", "Lax", "None"]
AssertionError

這是因為 cookie-editor 匯出的資料中，在 sameSite 屬性中是以 null 表示 "no_restriction" 表示沒有限制一定要是同一個網站，但是 selenium 只認得 "Strict", "Lax", "None" 這三種限制，所以診斷為錯誤，我們必須手動修改 JSON 檔，自行把所有 sameSite 屬性值都改為 "None"（注意是字串喔），也請檢查把網域不是 ".books.com.tw" 的 cookie 刪除：

[
    {
        "domain": ".books.com.tw",
        "expirationDate": 1767941747.633402,
        "hostOnly": false,
        "httpOnly": false,
        "name": "_ga_TR763QQ559",
        "path": "/",
        "sameSite": null,
        "secure": false,
        "session": false,
        "storeId": null,
        "value": "GS1.1.1733381542.1.1.1733381747.0.0.0"
    },
    ...
    {
        "domain": ".books.com.tw",
        "expirationDate": 1748933733,
        "hostOnly": false,
        "httpOnly": false,
        "name": "__eoi",
        "path": "/",
        "sameSite": "no_restriction",
        "secure": true,
        "session": false,
        "storeId": null,
        "value": "ID=7f42c4647467b5fb:T=1733381733:RT=1733381733:S=AA-AfjbpJCe1kw2klEX0xW55n9CY"
    },
    ...
]

修改完之後，重新載入並加入 cookie 就不會出錯了。

重新整理網頁讓 cookie 生效

加入 cookie 後，你看到的畫面仍然是未登入的畫面：

必須重新整理網頁才能讓 cookie 生效：

>>> driver.refresh()

看到的就是登入會員的頁面了：

這樣就可以利用 selenium 讀取需要登入會員的頁面了。

最後要提醒的就是 cookie 都有時效，如果一段時間過後無法利用之前儲存的 cookie 登入，只要重新依據上述步驟重新取得 cookie 就可以了。