51Testing软件测试论坛

标题: 反反爬篇--selenium被检测到的解决办法 [打印本页]

作者: 测试积点老人 时间: 2022-3-25 09:37
标题: 反反爬篇--selenium被检测到的解决办法
　1. 反爬
　　有时候，我们利用 [url=]Selenium[/url] 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

复制代码

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。
[attach]137042[/attach]
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")

复制代码

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

复制代码

　然后启动 mitmdump：

　# 启动mitmproxy
　　mitmdump -p 8888 -s 111.py

复制代码

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")

复制代码

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")

复制代码

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。

欢迎光临 51Testing软件测试论坛 (http://bbs.51testing.com/)