隐藏 Selenium 爬虫?

作者: hello_world_cxm | 来源:发表于2021-01-25 22:15 被阅读0次

    今天我们就来说说应该如何正确解决这个问题。我们首先给出解决方案。然后再说明这个解决方案,我是通过什么方式找到的。

    解决这个问题的关键,就是一个 js 文件,叫做stealth.min.js。稍后我会说明如何生成这个文件。

    我们需要设定,让 Selenium 或者 Pyppeteer 在打开任何页面之前,先运行这个 Js 文件。

    这里,我以 Selenium 为例来说明如何操作,我们编写如下代码:

    import time
    from selenium.webdriver import Chrome
    from selenium.webdriver.chrome.options import Options
     
    chrome_options = Options()
    chrome_options.add_argument("--headless")
    chrome_options.add_argument('user-agent=Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36')
     
    driver = Chrome('./chromedriver', options=chrome_options)
     
    with open('/Users/kingname/test_pyppeteer/stealth.min.js') as f:
        js = f.read()
     
    driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
      "source": js
    })
    driver.get('https://bot.sannysoft.com/')
    time.sleep(5)
    driver.save_screenshot('walkaround.png')
     
    # 你可以保存源代码为 html 再双击打开,查看完整结果
    source = driver.page_source
    with open('result.html', 'w') as f:
        f.write(source)
    
    

    可以看到,虽然我使用的是无头模式,但是能够被识别的特征都被成功隐藏。大家还可以双击打开保存下来的 html 文件,看看是不是结果跟普通浏览器几乎一样。

    如果你使用的是 Pyppeteer,那么可以根据我上面文章中给出的方法,试着加载一下这个 js 文件,看看是不是也能成功隐藏特征。

    那么,这个stealth.min.js文件是怎么来的呢?这就要说到puppeteer了。我们知道,Python 版本的pyppeteer已经很久没有人维护了,但是Node.js 版本的 puppeteer持续有人维护,并且在持续更新,生态也越来越好。

    有开发者给 puppeteer 写了一套插件,叫做puppeteer-extra。其中,就有一个插件叫做puppeteer-extra-plugin-stealth[1]。这个东西,就来专门用来让 puppeteer 隐藏模拟浏览器的指纹特征。

    这个东西是专门给 puppeteer 用的。所以,如果你使用的是 puppeteer,那么你可以根据它的 Readme说明,直接使用。

    那么,我们用 Python 的人怎么办呢?实际上也有办法。就是把其中的隐藏特征的脚本提取出来,做成一个单独的 js 文件。然后让 Selenium 或者 Pyppeteer 在打开任意网页之前,先运行一下这个 js 文件里面的内容。

    puppeteer-extra-plugin-stealth的作者还写了另外一个工具,叫做extract-stealth-evasions[2]。这个东西就是用来生成stealth.min.js文件的。

    如果你在国外,并且网速足够快的话。那么你根据它的 Readme,首先安装 Node.js,然后安装 Npm,接着运行如下命令:

    stealth.min.js文件下载链接:https://pan.baidu.com/s/17gqikIa1R1sHHOm4e9WflQ 密码:s280
    转载:

    相关文章

      网友评论

        本文标题:隐藏 Selenium 爬虫?

        本文链接:https://www.haomeiwen.com/subject/ekqwzktx.html