Playwright 持久化上下文:让无头浏览器稳定复用登录态
问题从哪里来
用 Playwright 做自动化时,最容易踩的坑不是选择器写错,而是每次启动都是一张白纸:没有 Cookie、没有 localStorage,所有需要登录的页面都得重新扫码或输验证码。一次两次还能接受,一旦流程每天都要跑,登录本身就成了最大的不稳定因素。
Playwright 默认的 browser.new_context() 创建的是一次性上下文,关闭即销毁。真正适合长期任务的是 launch_persistent_context(),它把浏览器的用户数据目录落到磁盘上,登录态、缓存、扩展配置都会保留下来。
两种上下文到底差在哪
1. 临时上下文:browser.new_context(),进程退出后数据全部丢弃,适合一次性抓取、无状态测试。 2. 持久化上下文:launch_persistent_context(profile_dir),数据写入指定目录,下次启动自动加载,适合需要保持登录的周期性任务。
关键差别在于"状态归谁管"。临时上下文的状态在内存里,持久化上下文的状态在磁盘上。后者付出的代价是目录体积会增长,换来的是登录态可以跨进程复用。
最小可用写法
from playwright.async_api import async_playwright
async with async_playwright() as p:
ctx = await p.chromium.launch_persistent_context(
"/data/profile",
headless=True,
args=["--no-sandbox"],
viewport={"width": 1440, "height": 1000},
)
page = ctx.pages[0] if ctx.pages else await ctx.new_page()
await page.goto("https://example.com/login")
第一次运行时正常登录,之后只要 /data/profile 还在,重启进程打开同一个站点通常已经是登录状态。判断是否已登录,不要依赖 URL,而应读取页面文本或某个稳定元素:
body = await page.evaluate("document.body.innerText")
if "Dashboard" in body and "Login" not in body:
print("already logged in")
三个实践要点
第一,目录要独立。每个站点或每个账号使用单独的 profile 目录,避免不同账号的 Cookie 互相覆盖。目录名带上用途,例如 profile_site_a,日后排查更直观。
第二,登录过期要能自愈。持久化不等于永久有效,站点会在服务端使会话失效。脚本应当能识别"已退出登录",并给出明确的重新登录信号,而不是默默失败。
第三,注意安全边界。profile 目录里保存着等价于登录凭证的数据,不要提交到版本库,不要放进公开的共享目录,生产环境应限制文件权限。它和密码一样需要被当作敏感数据对待。
常见误区
有人以为把 storage_state 导出成 JSON 就够了。实际上 storage_state 只覆盖 Cookie 与 localStorage,对依赖 IndexedDB、Service Worker 或浏览器指纹的站点并不完整。持久化上下文保存的是整个用户数据目录,兼容性通常更好。
另一个误区是多个进程同时使用同一个 profile 目录。Chromium 会对用户数据目录加锁,两个进程同时写入会直接报错或互相破坏数据。正确的做法是同一时刻只允许一个进程持有该目录。
什么时候不该用
如果任务本身无状态,或对隔离性要求很高(例如处理不同租户的数据),一次性上下文反而更安全。持久化上下文适合"同一个身份、周期性执行"的场景,不适合拿来图省事。
小结
持久化上下文不是银弹,但它解决了自动化里最烦人的一类问题:登录态复用。把 profile 目录管理、过期检测、安全边界这三件事想清楚,周期性任务的稳定性会有明显提升。工具本身很简单,难的是把它放在正确的场景里。
- 点赞
- 收藏
- 关注作者
评论(0)