Chrome-PHP 项目中会话 Cookie 转持久化 Cookie 的实现方法
2025-07-01 03:45:10作者:胡易黎Nicole
在 Web 开发和自动化测试中,Cookie 管理是一个非常重要的环节。Chrome-PHP 作为一个 PHP 的 Headless Chrome 控制库,提供了强大的 Cookie 操作能力。本文将深入探讨如何在 Chrome-PHP 项目中将会话 Cookie 转换为持久化 Cookie 的技术实现。
会话 Cookie 与持久化 Cookie 的区别
首先我们需要明确两种 Cookie 类型的本质区别:
- 会话 Cookie(Session Cookie):仅在浏览器会话期间有效,关闭浏览器后自动删除,没有过期时间(expires 或 max-age 属性)
- 持久化 Cookie(Persistent Cookie):设置了过期时间,在到期前会一直保存在用户设备上
在实际应用中,我们经常需要将临时性的会话 Cookie 转换为持久化 Cookie,以便在多个会话间保持用户状态。
Chrome-PHP 中的 Cookie 转换实现
Chrome-PHP 提供了完善的 Cookie 操作 API。以下是实现会话 Cookie 转持久化 Cookie 的核心代码逻辑:
function convertSessionCookiesToPersistentCookies(): void
{
// 获取当前页面所有 Cookie
$cookies = $this->page->getAllCookies();
$new_cookies = [];
foreach ($cookies as $cookie) {
// 将 Cookie 对象转换为数组
$plain = [...$cookie];
$name = $plain['name'];
$value = $plain['value'];
// 移除不需要的属性
unset($plain['name'], $plain['value'], $plain['expires']);
// 设置 session 属性为 false 表示持久化 Cookie
$plain['session'] = false;
// 创建新的 Cookie 对象
$tmp = \HeadlessChromium\Cookies\Cookie::create($name, $value, $plain);
$new_cookies[] = $tmp;
}
// 批量设置新的 Cookie
$this->page->setCookies($new_cookies)->await();
}
代码解析
- 获取现有 Cookie:使用
getAllCookies()方法获取当前页面的所有 Cookie - Cookie 对象转换:将 Cookie 对象展开为数组形式,便于修改属性
- 关键属性处理:
- 保留 name 和 value 这两个核心属性
- 移除 expires 属性(如果有)
- 设置 session 属性为 false
- 创建新 Cookie:使用 Cookie::create 方法重新创建 Cookie 对象
- 批量设置:最后使用 setCookies 方法将修改后的 Cookie 设置回页面
实际应用场景
这种转换技术在以下场景中特别有用:
- 自动化测试:在测试流程中保持登录状态,避免每次测试都重新登录
- 爬虫开发:维持会话状态,突破某些网站的访问限制
- 数据采集:长期保持采集任务的身份认证信息
- Web 应用调试:持久化调试过程中产生的临时状态
注意事项
- 安全性考虑:持久化 Cookie 会长期存储,需注意敏感信息的处理
- 过期时间:虽然代码移除了 expires 属性,但实际应用中可能需要设置合理的过期时间
- 域名限制:确保 Cookie 的 domain 和 path 属性设置正确
- 异步操作:注意
await()方法的使用,确保操作完成后再继续后续流程
通过这种技术实现,开发者可以灵活地在 Chrome-PHP 项目中管理 Cookie 的生命周期,满足各种复杂的业务需求。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
Kimi-K2-ThinkingKimi-K2-Thinking是最新开源思维模型,作为能动态调用工具的推理代理,通过深度多步推理和稳定工具调用(200-300次连续调用),在HLE、BrowseComp等基准测试中刷新纪录。原生INT4量化模型,256k上下文窗口,实现推理延迟和GPU内存使用的无损降低,支持自主研究、编码和写作等工作流。【此简介由AI生成】Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
296
2.64 K
Ascend Extension for PyTorch
Python
128
149
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
607
190
React Native鸿蒙化仓库
JavaScript
228
307
暂无简介
Dart
588
127
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
611
仓颉编译器源码及 cjdb 调试工具。
C++
122
467
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
46
77
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
178
62
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
454