如何通过Python实现谷歌认证以爬取Google Classroom登录后内容？

结论：可以爬取登录后的课堂专属内容，但必须用合规的认证方式，不能依赖普通HTTP请求模拟登录 #

方法一：使用Google Classroom官方API（推荐，最稳定合规） #

谷歌提供了官方的Classroom API，这是唯一不会触发反爬机制的合法途径，步骤如下：

1. 前往Google Cloud控制台创建新项目，搜索并启用「Classroom API」
2. 创建OAuth 2.0客户端ID，配置OAuth同意屏幕（个人使用选「外部」即可，添加自己为测试用户）
3. 安装Python客户端库：pip install google-api-python-client google-auth-httplib2 google-auth-oauthlib
4. 示例代码（获取课程列表及课程内容）：

from google_auth_oauthlib.flow import InstalledAppFlow
from googleapiclient.discovery import build

# 按需调整权限范围
SCOPES = ['https://www.googleapis.com/auth/classroom.courses.readonly',
          'https://www.googleapis.com/auth/classroom.coursework.me.readonly']

def main():
    flow = InstalledAppFlow.from_client_secrets_file(
        'credentials.json', SCOPES)
    creds = flow.run_local_server(port=0)
    
    # 构建API服务实例
    service = build('classroom', 'v1', credentials=creds)
    
    # 获取课程列表
    courses = service.courses().list(pageSize=10).execute()
    for course in courses.get('courses', []):
        print(f"课程名称：{course['name']}")
        
        # 获取课程内作业/内容
        coursework = service.courses().courseWork().list(courseId=course['id']).execute()
        for work in coursework.get('courseWork', []):
            print(f"作业标题：{work['title']}")
            print(f"作业内容：{work.get('description', '无内容')}\n")

if __name__ == '__main__':
    main()

运行代码会自动打开浏览器完成授权，授权后即可直接访问登录用户的课堂数据，无需手动处理Cookie或认证逻辑。

方法二：用真实浏览器模拟（适合快速验证，不建议长期批量使用） #

如果不想折腾API，可以用Selenium/Playwright操控已登录的浏览器实例，直接继承主浏览器的登录会话：

1. 安装Selenium：pip install selenium，并下载对应浏览器的驱动（比如ChromeDriver）
2. 找到你主浏览器的用户数据目录：
   • Windows：C:\Users\<你的用户名>\AppData\Local\Google\Chrome\User Data
   • Mac：~/Library/Application Support/Google/Chrome
   • Linux：~/.config/google-chrome
3. 示例代码（用Chrome已登录会话访问Classroom）：

from selenium import webdriver
from selenium.webdriver.common.by import By

options = webdriver.ChromeOptions()
# 替换成你自己的用户数据目录路径
options.add_argument(r"user-data-dir=C:\Users\XXX\AppData\Local\Google\Chrome\User Data")
# 指定默认配置文件
options.add_argument("--profile-directory=Default")

driver = webdriver.Chrome(options=options)
driver.get("https://classroom.google.com")

# 提取页面全部文本示例
page_text = driver.find_element(By.TAG_NAME, "body").text
print(page_text)

# 后续可根据页面元素定位提取具体内容

这种方式直接复用真实浏览器的登录状态，不会触发认证错误，但要注意控制爬取频率，避免被谷歌检测为异常流量。

为什么旧方案失效？ #

谷歌现在对自动化请求的检测非常严格，普通requests库发送的请求缺少浏览器的JS执行环境、指纹信息（如User-Agent、Canvas指纹等），即使带上Cookie也会被识别为非人类请求，直接拦截。官方API或真实浏览器模拟是目前仅有的可行方式。

内容的提问来源于stack exchange，提问作者Lost Control