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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00