反反爬篇

　　1. 反爬

　　有时候，我们利用 Selenium 自动化爬取某些网站时，极有可能会遭遇反爬。

　　实际上，我们使用默认的方式初始化 WebDriver 打开一个网站，下面这段 JS 代码永远为 true，而手动打开目标网站的话，则为：undefined。

　　# 通过这段 JS 脚本区分是爬虫还是人工操作

　　window.navigator.webdriver

　　稍微有一点反爬经验的工程师利用上面的差别，很容易判断访问对象是否为一个爬虫，然后对其做反爬处理，返回一堆脏数据或各种验证码。

　　如果要实现后面的自动化操作，首先要解决的就是这个反爬的问题。

　　常见的反反爬方案包含：设置参数?excludeSwitches、mitmproxy 拦截过滤、cdp 命令，下面分别来说说。

　　2.设置参数 excludeSwitches

　　Chrome79 之前可以通过配置 ChromeOptions 驱动参数，来达到反反爬的目的。

　　只需要将参数打开，设置 excludeSwitches 值为 enable-automation 即可。

　　from selenium.webdriver import Chrome

　　from selenium.webdriver import ChromeOptions

　　option = ChromeOptions()

　　# 打开参数

　　option.add_experimental_option('excludeSwitches',?['enable-automation'])

　　driver = Chrome(options=option)

　　driver.implicitly_wait(10)

　　driver.get("http://www.google.com")

　　这个参数是实验性参数，所以右上角会提示：请停用开发者模式运行的扩展程序，不能点击停用。

　　这样，设置这个参数后：

　　window.navigator.webdriver 的值就变成 undefined 了。

　　3. mitproxy 拦截

　　众所周知，mitproxy 可以拦截到网络请求，做其他处理，这里只需要进行 JS 代码注入即可。

　　# 待执行的 JS 代码,修改 window.navigator.webdriver 的值

　　js_exec = 'Object.defineProperties(navigator,{webdriver:{get:() => false}});'

　　# 重写 response，截获网络请求，js注入

　　def response(slef,flow: mitmproxy.http.HTTPFlow):

　　        if 'google' in flow.request.url:

　　                flow.response.text = js_exec + flow.response.text

　　然后启动 mitmdump：

　　# 启动mitmproxy

　　mitmdump -p 8888 -s 111.py

　　最后，配置 ChromeOptions 指向 mitmdump代码即可。

　　# 配置ChromeOptions

　　option.add_argument("--proxy-server=http://127.0.0.1:8888")

　　4. cdp 命令(经验证可以)

　　cdp 全称是：Chrome Devtools-Protocol

　　通过 addScriptToEvaluateOnNewDocument()?方法可以在页面还未加载之前，运行一段脚本。

　　如此，我们只需要提前设置：

　　window.navigator.webdriver?的值为 undefined 即可。

　　from selenium.webdriver import Chrome

　　from selenium.webdriver import ChromeOptions

　　option = ChromeOptions()

　　# 打开参数

　　# option.add_argument("--proxy-server=http://127.0.0.1:8888")

　　# driver = Chrome(options=option)

　　driver = Chrome()

　　driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {

　　  "source": """

　　    Object.defineProperty(navigator, 'webdriver', {

　　      get: () => undefined

　　    })

　　  """

　　})

　　driver.implicitly_wait(10)

　　driver.get("http://www.google.com")

　　5. 其他

　　通过上面的 3 种方法可以很好的解决 Selenium 自动化被反爬的问题。

　　本文内容不用于商业目的，如涉及知识产权问题，请权利人联系51Testing小编(021-64471599-8017)，我们将立即处理