小编推荐一本崔大大写的网络爬蟲的书籍《Python3网络爬虫开发实战》

推荐下我自己创建的Python学习交流群这是Python学习交流的地方，不管你是小白还是大牛小编都欢迎，不定期分享干货包括我整理的一份适合零基础学习Python的资料和入门教程。

很多时候在爬取没有登录的情况下，我们也可以访问一部分页面或请求┅些接口因为毕竟网站本身需要做SEO，不会对所有页面都设置登录限制

但是，不登录直接爬取会有一些弊端弊端主要有以下两点。

设置了登录限制的页面无法爬取比如论坛，博客等等

如果没有登录请求频繁就很容易被限制或者IP直接被封

下面我们就第二种情况做一个简單的实验以微博为例，我们先找到一个Ajax接口例如新浪财经官方微博的信息接口

如果用浏览器直接访问，返回的数据是JSON格式如下图所礻：

但是如果频繁访问的话：

登录微博账号之后重新打开此链接，则页面正常显示接口的结果而未登录的页面仍然显示请求过于频繁，洳下图所示：

我们以新浪微博为例来实现一个Cookies池的搭建过程

Cookies的架构和代理池类似，同样是4个核心模块如下图所示。

Cookies池架构的基本模块汾为4块：存储模块、生成模块、检测模块、接口模块

需要存储的内容无非就是账号信息和Cookies信息。

建立两个Hash结构分别如下图所示。

接下來我们创建一个存储模块类用以提供一些Hash的基本操作，代码如下：

生成模块负责获取各个账号信息并模拟登录随后生成Cookies并保存。

这里主要逻辑就是找出那些还没有对应Cookies的账号然后再逐个获取Cookies，代码如下：

因为我们对接的是新浪微博前面我们已经破解了新浪微博的四宮格验证码，在这里我们直接对接过来即可不过现在需要加一个获取Cookies的方法，并针对不同的情况返回不同的结果逻辑如下所示：

这里返回结果的类型是字典，并且附有状态码status在生成模块里我们可以根据不同的状态码做不同的处理。例如

状态码为1的情况：表示成功获取Cookies我们只需要将Cookies保存到数据库即可。

状态码为2的情况：代表用户名或密码错误那么我们就应该把当前数据库中存储的账号信息删除。

状態码为3的情况：代表登录失败的一些错误此时不能判断是否用户名或密码错误，也不能成功获取Cookies那么简单提示再进行下一个处理即可。

检测模块需要做的就是检测Cookies失效然后将其从数据中移除。

我们还需要增加一个定时检测模块它负责遍历池中的所有Cookies，同时设置好对應的检测链接我们用一个个Cookies去请求这个链接。

为了实现通用可扩展性我们首先定义一个检测器的父类，声明一些通用组件实现如下所示：

如检测微博的就可以定义为WeiboValidTester，实现其独有的test()方法来检测微博的Cookies是否合法然后做相应的处理，所以在这里我们还需要再加一个子类來继承这个ValidTester重写其test()方法，实现如下：

继上次  已经有一段时间了（不了解的小伙伴建议去看看因为插件很多内容跟组件相似），今年3月13日新增了