告别无效Cookie！用Python脚本自动抓取并验证Grammarly Premium可用账号

在数字写作时代，Grammarly Premium凭借其高级语法检查、风格优化和抄袭检测功能，成为众多写作者、学生和专业人士的必备工具。然而，高昂的订阅费用让许多用户望而却步。虽然网络上偶尔会出现共享的Premium Cookie，但手动查找和验证这些Cookie不仅耗时耗力，而且成功率极低——你可能需要尝试数十个Cookie才能找到一个有效的。

这就是为什么我们需要一种更智能的解决方案。本文将带你一步步构建一个全自动化的Python工具，它能够：

1. 从多个来源批量抓取Grammarly Premium Cookie
2. 自动验证每个Cookie的有效性
3. 将可用的Cookie直接复制到剪贴板
4. 处理各种网络异常和错误情况

1. 环境准备与工具选择

在开始编写代码前，我们需要准备合适的开发环境和必要的Python库。以下是推荐的工具栈：

• Python 3.8+：新版本对异步IO和类型提示支持更好
• Requests：简洁优雅的HTTP客户端库
• BeautifulSoup4：HTML解析利器
• Pyperclip：跨平台剪贴板操作
• TQDM：为循环添加进度条
• JSON5：支持更灵活的JSON解析

安装这些依赖只需一条命令：

bash复制pip install requests beautifulsoup4 pyperclip tqdm json5

对于开发环境，我强烈推荐使用VS Code配合Python插件，或者PyCharm这类专业的Python IDE。它们能提供代码补全、调试和虚拟环境管理等强大功能。

提示：建议在虚拟环境中安装这些包，避免污染全局Python环境。可以使用python -m venv venv创建虚拟环境。

2. Cookie工作原理与Grammarly验证机制

要理解我们的脚本如何工作，首先需要了解Cookie在Grammarly认证中的角色。Grammarly使用Cookie来维持用户的登录状态，Premium Cookie中包含了标识用户订阅状态的关键信息。

当你在浏览器中导入一个有效的Premium Cookie并访问Grammarly时，服务器会检查：

• Cookie是否未过期
• 是否包含有效的认证令牌
• 用户账户是否仍保持Premium状态

我们的脚本将模拟这一验证过程，但完全自动化。具体来说，它会：

1. 构造包含测试Cookie的HTTP请求头
2. 向Grammarly应用端点发送请求
3. 分析响应状态码和内容
4. 判断Cookie是否仍然有效

3. 构建Cookie采集模块

Cookie来源的可靠性直接影响脚本的可用性。我们将设计一个可扩展的采集系统，支持从多个网站获取Cookie。以下是核心代码结构：

python复制def cookie_convert_j2s(cookie_json):
    """将JSON格式的Cookie转换为字符串格式"""
    return '; '.join(f"{item['name']}={item['value']}" for item in cookie_json)

def collect_from_linkstricks(page_count=5):
    """从linkstricks网站采集Cookie"""
    base_url = "https://www.linkstricks.com/grammarly-cookies-{}/"
    cookies = []
    
    for page in range(1, page_count + 1):
        try:
            response = requests.get(base_url.format(page), timeout=10)
            soup = BeautifulSoup(response.text, 'lxml')
            code_block = soup.find('code', class_='language-json')
            if code_block:
                cookies.append(code_block.text)
        except Exception as e:
            print(f"采集第{page}页时出错: {str(e)}")
    
    return cookies

这个设计有几个关键优势：

1. 模块化：每个采集函数独立，便于维护和扩展
2. 容错处理：捕获网络请求异常，避免单次失败导致整个程序崩溃
3. 进度反馈：通过打印日志让用户了解采集进度

注意：实际使用时，应遵守目标网站的robots.txt规则，并合理设置请求间隔，避免给对方服务器造成过大压力。

4. 实现Cookie验证机制

验证是整个过程的核心环节。我们需要精心设计验证逻辑，确保准确判断Cookie的有效性。以下是验证函数的实现：

python复制def validate_cookie(cookie_str):
    """验证Grammarly Cookie是否有效"""
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)',
        'Cookie': cookie_str
    }
    
    try:
        response = requests.get(
            'https://app.grammarly.com/',
            headers=headers,
            allow_redirects=False,
            timeout=15
        )
        
        # 有效Cookie会直接返回200状态码
        # 无效Cookie会被重定向到登录页面(302)
        return response.status_code == 200
    except requests.RequestException:
        return False

为提高验证效率，我们可以添加一些优化：

1. 并行验证：使用多线程或异步IO同时验证多个Cookie
2. 结果缓存：将验证结果临时存储，避免重复验证相同Cookie
3. 智能排序：根据来源网站或历史成功率优先验证更可靠的Cookie

5. 构建完整工作流与用户界面

将各个模块组合起来，我们创建完整的自动化流程：

python复制def main():
    print("=== Grammarly Premium Cookie验证工具 ===")
    
    # 步骤1：从多个来源采集Cookie
    print("\n[1/3] 正在从各网站采集Cookie...")
    all_cookies = []
    all_cookies.extend(collect_from_linkstricks())
    # 可以添加更多采集源...
    
    if not all_cookies:
        print("未采集到任何Cookie，请检查网络或来源网站")
        return
    
    print(f"共采集到{len(all_cookies)}个Cookie")
    
    # 步骤2：验证Cookie有效性
    print("\n[2/3] 正在验证Cookie有效性...")
    valid_cookies = []
    
    for cookie in tqdm(all_cookies, desc="验证进度"):
        if validate_cookie(cookie_convert_j2s(json5.loads(cookie))):
            valid_cookies.append(cookie)
    
    # 步骤3：处理验证结果
    print("\n[3/3] 结果处理...")
    if valid_cookies:
        print(f"找到{len(valid_cookies)}个有效Cookie！")
        try:
            pyperclip.copy(valid_cookies[0])
            print("第一个有效Cookie已复制到剪贴板")
        except Exception as e:
            print(f"剪贴板操作失败: {str(e)}")
            print("请手动复制以下Cookie:")
            print(valid_cookies[0])
    else:
        print("未找到任何有效Cookie，请稍后再试")

if __name__ == "__main__":
    main()

这个工作流提供了清晰的执行进度反馈，并在最后将有效的Cookie直接复制到剪贴板，极大提升了使用效率。

6. 错误处理与健壮性增强

为确保脚本在各种环境下都能稳定运行，我们需要添加全面的错误处理：

1. 网络异常处理：重试机制、超时设置和代理支持
2. 数据解析保护：防御性编程处理各种格式的Cookie数据
3. 速率限制：避免请求过于频繁导致IP被封

改进后的采集函数示例：

python复制def safe_collect(url, max_retries=3):
    """带重试机制的采集函数"""
    for attempt in range(max_retries):
        try:
            response = requests.get(url, timeout=10)
            response.raise_for_status()
            return response.text
        except Exception as e:
            if attempt == max_retries - 1:
                raise
            time.sleep(2 ** attempt)  # 指数退避

7. 扩展思路与高级功能

基础功能实现后，可以考虑添加以下高级特性：

1. 定时自动运行：使用计划任务定期检查新Cookie
2. 多账户管理：维护一个有效Cookie池，随机使用不同Cookie
3. 浏览器扩展集成：直接与Cookie Editor等浏览器插件交互
4. 可视化界面：使用PyQt或Tkinter构建图形界面
5. 分布式验证：将验证任务分发到多台设备或服务器

例如，实现一个简单的Cookie池管理器：

python复制class CookiePool:
    def __init__(self):
        self.valid_cookies = []
        self.blacklist = set()
    
    def add_cookie(self, cookie):
        if cookie not in self.blacklist:
            self.valid_cookies.append(cookie)
    
    def get_cookie(self):
        if not self.valid_cookies:
            return None
        return random.choice(self.valid_cookies)
    
    def report_invalid(self, cookie):
        self.blacklist.add(cookie)
        if cookie in self.valid_cookies:
            self.valid_cookies.remove(cookie)

在实际使用中，我发现最有效的策略是组合多个Cookie来源，并设置每天自动运行两次的定时任务。这样能确保始终有可用的Cookie，而不用每次使用时临时查找。