DrissionPage项目中Network.setCookies方法使用问题解析
在使用DrissionPage项目进行自动化测试时,开发者可能会遇到关于Network.setCookies方法的参数错误问题。本文将从技术角度分析这个问题,并提供解决方案。
问题现象
当开发者尝试使用page.run_cdp("Network.setCookies")方法设置cookie时,会遇到"Invalid parameters"错误。错误信息显示参数格式为:
{
'source': [{
'name': 'msToken',
'value': '6jm1b-46dptt04LSW_rvcGA4GMYcrNDuHxyp92JwtueYFPsA8tFiYgJZyCSmoGCxUtYi2cgpkv65rMPYniS4XcDQa7Xye3EEijp1PGXbqxah_xjxDLptvXAlmn0U7f1uWFIYfz9mLdiDvDQGlvA=',
'url': 'https://www.tiktok.com/@fcbayern'
}],
'_timeout': 30
}
问题分析
-
参数格式差异:虽然同样的参数在Selenium的execute_cdp_cmd方法中可以正常工作,但在DrissionPage的run_cdp方法中却报错,这表明两个项目对CDP协议参数的解析方式存在差异。
-
CDP协议规范:根据Chrome DevTools Protocol文档,Network.setCookies方法期望的参数结构应该是直接接收cookie数组,而不是通过"source"字段包装。
-
DrissionPage实现:DrissionPage对CDP方法进行了封装,可能对参数格式有更严格的要求或不同的处理方式。
解决方案
DrissionPage项目提供了更简单的方法来设置cookie,推荐使用set.cookies()方法而非直接调用底层CDP命令。这种方法更加稳定且易于使用。
正确设置cookie的代码示例:
cookies = {
"msToken": "6jm1b-46dptt04LSW_rvcGA4GMYcrNDuHxyp92JwtueYFPsA8tFiYgJZyCSmoGCxUtYi2cgpkv65rMPYniS4XcDQa7Xye3EEijp1PGXbqxah_xjxDLptvXAlmn0U7f1uWFIYfz9mLdiDvDQGlvA="
}
page.set.cookies(cookies)
其他注意事项
-
虽然Network.deleteCookies、Network.getAllCookies和Network.clearBrowserCache等方法在DrissionPage中可以正常工作,但建议优先使用项目提供的高级封装方法。
-
当需要直接调用CDP方法时,建议查阅DrissionPage的文档或源码,了解其对CDP命令的具体实现方式。
-
对于cookie操作,除了设置值外,还应该注意domain和path等属性的正确设置,以确保cookie能被浏览器正确识别和使用。
通过使用DrissionPage提供的高级API而非直接调用底层CDP命令,可以避免参数格式问题,提高代码的稳定性和可维护性。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0172
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook098
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239