隐藏浏览器指纹特征之Selenium

lsekfe

我们使用 Selenium 对网页进行爬虫时，如果不做任何处理直接进行爬取，会导致很多特征是暴露的。对一些做了反爬的网站，做了特征检测，用来阻止一些恶意爬虫。本篇文章将介绍几种常用的隐藏浏览器指纹特征的方式。
　　1. 直接爬取
　　目标对象：
　　aHR0cHM6Ly9xaWthbi5jcXZpcC5jb20vUWlrYW4vU2VhcmNoL0FkdmFuY2U=
　　我们使用 Selenium 直接爬取目标页面：
　　# selenium 直接爬取
　　from selenium import webdriver
　　from selenium.webdriver.chrome.options import Options
　　from selenium.webdriver.chrome.service import Service
　　import time
　　chrome_options = Options()
　　s = Service(r"chromedriver.exe路径")
　　driver = webdriver.Chrome(service=s, options=chrome_options)
　　driver.get(url='URL')
　　driver.save_screenshot('result.png')
　　# 保存
　　source = driver.page_source
　　with open('result.html', 'w') as f:
　　    f.write(source)
　　time.sleep(200)


　　页面明显做了反爬，网页返回直接返回空白内容。

　　2. CDP
　　CDP 全称为 Chrome Devtools-Protocol
　　https://chromedevtools.github.io/devtools-protocol/
　　通过执行 CDP 命令，可以在网页加载前运行一段代码，进而改变浏览器的指纹特征
　　比如，window.navigator.webdriver 在 Selenium 直接打开网页时返回结果为 true；而手动打开网页时，该对象值为 undefined。
　　因此，我们可以利用 CDP 命令修改该对象的值，达到隐藏指纹特征的目的。
　　from selenium import webdriver
　　from selenium.webdriver.chrome.options import Options
　　from selenium.webdriver.chrome.service import Service
　　import time
　　chrome_options = Options()
　　s = Service(r"chromedriver.exe路径")
　　driver = webdriver.Chrome(service=s, options=chrome_options)
　　# 执行cdp命令，修改（window.navigator.webdriver ）对象的值
　　driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
　　    "source": """
　　            Object.defineProperty(navigator, 'webdriver', {
　　              get: () => undefined
　　            })
　　            """
　　})
　　driver.get(url='URL')
　　driver.save_screenshot('result.png')
　　# 保存
　　source = driver.page_source
　　with open('result.html', 'w', encoding='utf-8') as f:
　　    f.write(source)
　　time.sleep(200)


　　需要指出的是，浏览器的指纹特征很多，使用该方法存在一些局限性。
　　3. stealth.min.js
　　该文件包含了常用的浏览器特征，我们只需要读取该文件，然后执行 CDP 命令即可
　　下载地址：
　　https://github.com/berstend/puppeteer-extra/tree/stealth-js
　　from selenium import webdriver
　　from selenium.webdriver.chrome.options import Options
　　from selenium.webdriver.chrome.service import Service
　　from selenium.webdriver.common.by import By
　　import time
　　chrome_options = Options()
　　# 无头模式
　　# chrome_options.add_argument("--headless")
　　# 添加请求头
　　chrome_options.add_argument(
　　    'user-agent=Mozilla/5.0 ([url=]Windows[/url] NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36')
　　s = Service(r"chromedriver.exe路径")
　　driver = webdriver.Chrome(service=s, options=chrome_options)
　　# 利用stealth.min.js隐藏浏览器指纹特征
　　# stealth.min.js下载地址：https://github.com/berstend/puppeteer-extra/tree/stealth-js
　　with open('./stealth.min.js') as f:
　　    driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
　　        "source": f.read()
　　    })
　　driver.get(url='URL')
　　# driver.get(url='https://bot.sannysoft.com/')
　　# 保存图片
　　driver.save_screenshot('result.png')
　　time.sleep(200)


　　4. undetected_chromedriver
　　这是一个防止浏览器指纹特征被识别的依赖库，可以自动下载驱动配置再运行
　　项目地址：
　　https://github.com/ultrafunkamsterdam/undetected-chromedriver
　　使用步骤也很方便。
　　首先，我们安装依赖库：
　　# 安装依赖
　　pip3 install undetected-chromedriver


　　然后，通过下面几行代码就能完美隐藏浏览器的指纹特征
　　from selenium.webdriver.chrome.options import Options
　　from selenium.webdriver.chrome.service import Service
　　import time
　　import undetected_chromedriver as uc
　　chrome_options = Options()
　　# chrome_options.add_argument("--headless")
　　s = Service(r"chromedriver.exe")
　　driver = uc.Chrome(service=s, options=chrome_options)
　　driver.get(url='URL')
　　# driver.get(url='https://bot.sannysoft.com/')
　　driver.save_screenshot('result.png')
　　time.sleep(100)


　　5. 操作已开启的浏览器
　　最后一种方式上篇文章已经介绍过
　　如何利用 Selenium 对已打开的浏览器进行爬虫！
　　我们只需要通过命令行启动一个浏览器：
　　import subprocess
　　# 1、打开浏览器
　　# 指定端口号为：1234
　　# 配置用户数据路径：--user-data-dir
　　cmd = 'C:\\Program Files\\Google\\Chrome\\Application\\chrome.exe --remote-debugging-port=1234 --user-data-dir="C:\\selenum\\user_data"'
　　subprocess.run(cmd)


　　然后，利用 Selenium 直接操作上面的浏览器即可模拟正常操作浏览器的行为
　　import time
　　from selenium import webdriver
　　from selenium.webdriver.chrome.options import Options
　　from selenium.webdriver.chrome.service import Service
　　# 操作上面已经打开的浏览器，进行百度搜索
　　chrome_options = Options()
　　# 指定已经打开浏览器的地址及端口号
　　chrome_options.add_experimental_option("debuggerAddress", "127.0.0.1:1234")
　　# 注意：chrome版本与chromedirver驱动要保持一致
　　# 下载地址：http://chromedriver.storage.googleapis.com/index.html
　　s = Service(r"chromedriver.exe")
　　driver = webdriver.Chrome(service=s, options=chrome_options)
　　# 打开目标网站
　　driver.get(url="URL")
　　time.sleep(200)


　　6. 最后
　　上面罗列出了多种应对网站反爬的解决方案，大家可以根据实际需求去选择适合自己的方案。