本文目录一览：
简单NodeJS爬虫和使用cookie进行模拟登录
NodeJS做爬虫也是很方便的。因为nodejs有HTTP模块直接可以使用，而且还有很多简单粗暴的库可以即拿即用。
首先，需要的库文件，
1、superagent 是个轻量的的 http 方面的库，就像jquery的post，和get一样，很简单。
2、cheerio 是一个服务端操作DOM的库，简直就是服务端的jquery。
好的，我们需要抓取某个网站的题目。如下图。这个系统下，及时是游客状态也是可以查看题目的，只是答案我们看不到。会显示我没有登录。
现在我们有个需求，先抓取15页，根据URL的参数可以页数就是地址中 的P。并且要有本地cookie，获取cookie的方法，最简单的是，利用浏览器登录网站之后，在控制台直接打印document.cookie，得到之后，复制进txt文本。用fs模块读取并转换成字符串。在superagent请求时，把cookie传进去。
好了，控制台已经不输出“未登录”，说明已经登录成功了。
爬虫 如何抓包获取cookie
我们需要使用爬虫程序对目标网站登录时的请求进行一次抓取，获取请求中的cookie数据；
在使用个人信息页的url进行请求时，该请求需要携带cookie，只有携带了cookie后，服务器才可识别这次请求的用户信息，方可响应回指定的用户信息页数据。
爬虫除了要注意Cookie的限制之外，还需要注意其他的反爬虫，比如IP限制，这就需要使用极光代理IP进行更换IP地址，以其他的IP地址继续访问，突破网络限制。当然，还有其它很多的限制，爬虫在进行采集之前需要好好分析网站的反爬虫策略。
用Node 做爬虫时有带 cookie 的请求怎么破
方法：对 superagent 封装一下，每次都自动把新 cookie 取出，再下一次请求的时候 set 进去。
用post打开”连接1″提交登录数据，通过”连接1″获得Cookie信息，保留下来在以后的连接中加入Cookie数据
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/200672.html
微信扫一扫 
支付宝扫一扫 