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
|
|