Puppeteer 系列踩坑日志—2—去掉自动化提示

在使用puppeteer自动化的过程中,经常出现一个自动化提示:正在被自动化测试。而这个提示不仅仅有这个作用,它还能让很多网站识别出来,你是在使用爬虫访问,从而采取了相应的反制措施,怎么反制,你懂得。今天我们就来探讨下这个问题!
基础:chrome启动参数的理解
  • 关于启动参数,其实网上已经有非常多的列表了,我这里也隆重推荐一个大家都认为比较全面的清单:https://peter.sh/experiments/...
  • 拿着清单,我们现在来理解下,什么叫做chrome启动参数?(已经理解的,或者着急看解决方式可以跳过这段,直接看后面,这里详细讲原理别嫌啰嗦,这里照顾不了解的同学)

image-20200318111030912.png

  • 不知道大家使用chrome浏览器的时候,有没有注意到右上角的“用户”选项,当我们新建一个用户出来的时候,其实桌面自动为我们生成了一个快捷方式。
  • 所谓用户:就是理解为谷歌的分身,另外一个完全与现在不相关的chrome被打开。例如多开帐号等等操作。
  • 我们打开这个快捷方式,看下里面究竟是怎么回事,属性,查看目标那一栏,我们可以看到一串这样的东西:"C:Program Files (x86)GoogleChromeApplicationchrome.exe" --profile-directory="Profile 5"
  • --profile-directory Selects directory of profile to associate with the first browser launched.
    配置文件目录 选择要与启动的第一个浏览器关联的配置文件目录。
  • 前面那段路径其实可以省略,就是大家chrome安装路径,主要是后面这段是什么鬼?其实这就是我们说的命令行参数,我们打开前面peter给出的chrome启动参数列表,搜索到这一行的解释: Selects directory of profile to associate with the first browser launched. 意思是:选择要与启动的第一个浏览器关联的配置文件目录。那么也就理解了,其实chrome命令行参数,就是做类似于改变chrome启动操作的一些事情,例如:配置用户目录,更改浏览器窗口大小,关闭浏览器跨域,改变浏览器渲染进程等等。
  • 所以我们关心的去掉自动化提示这个问题,其实就是在这里可以找到答案,我们继续往后翻peter给的列表,翻到这个参数:
  • --enable-automation Enable indication that browser is controlled by automation.
    自动化测试提示参数 启用浏览器由自动化控制的指示。
  • 好家伙,我们现在看到的这个,就是元凶,那么你可能会有疑问:我代码里明明啥都没加啊,为啥还会有?
  • 莫急,我们先想想npm包本身呢?是不是问题出在了这里?由此,我们引入了第一个解决方法。
解决方案1:修改puppeteer npm包源码(不推荐)
  • 首先看到标题你就知道了,不推荐这个做法,因为破坏了源码,以后包升级还是会有问题。但是还是要讲一下,因为了解原理,可以举一反三。
  • 我们看源码首先得前往 项目\node_modules\puppeteer 目录下去看,我们发现了下面的目录是这样的:

image-20200318112851445.png

  • 解释下非常有意思的几个目录:

    • .local-chromium:当年刚出来的时候,大家用puppeteer都得搭XX,就是因为这个玩意下载不下来导致的,很多人就放弃了。其实这里面就放了一个chromium,平时puppeteer启动的时候,默认就是调用这个浏览器。这个浏览器的好处是,免安装,随时可用,更新快,功能激进(并没发现激进啥,我偶尔存u盘里方便在一些不那么年轻的电脑上 用chrome浏览网页)
    • index.js
    • lib
  • 首先在index.js里面看到这段 const Puppeteer = require('./lib/Puppeteer'); ,我们根据这个往下找puppeteer到底从哪里来的?

image-20200318113507991.png

打开puppeteer.js,继续看下去,第一行 const Launcher = require('./Launcher'); 就引起了我们的怀疑,因为下面的代码里面 都有options跟它息息相关,本着不放过一个的精神,我们打开查看,粗略的浏览了一下,貌似没有什么问题?可是别急,继续往下看,我们发现了一堆有意思的东西:

 defaultArgs(options = {}) {
    const chromeArguments = [
      '--disable-background-networking',
      '--enable-features=NetworkService,NetworkServiceInProcess',
      '--disable-background-timer-throttling',
      '--disable-backgrounding-occluded-windows',
      '--disable-breakpad',
      '--disable-client-side-phishing-detection',
      '--disable-component-extensions-with-background-pages',
      '--disable-default-apps',
      '--disable-dev-shm-usage',
      '--disable-extensions',
      '--disable-features=TranslateUI',
      '--disable-hang-monitor',
      '--disable-ipc-flooding-protection',
      '--disable-popup-blocking',
      '--disable-prompt-on-repost',
      '--disable-renderer-backgrounding',
      '--disable-sync',
      '--force-color-profile=srgb',
      '--metrics-recording-only',
      '--no-first-run',
      '--enable-automation',
      '--password-store=basic',
      '--use-mock-keychain',
    ];
    const {
      devtools = false,
      headless = !devtools,
      args = [],
      userDataDir = null
    } = options;
    if (userDataDir)
      chromeArguments.push(`--user-data-dir=${userDataDir}`);
    if (devtools)
      chromeArguments.push('--auto-open-devtools-for-tabs');
    if (headless) {
      chromeArguments.push(
          '--headless',
          '--hide-scrollbars',
          '--mute-audio'
      );
    }
    if (args.every(arg => arg.startsWith('-')))
      chromeArguments.push('about:blank');
    chromeArguments.push(...args);
    return chromeArguments;
  }

惊不惊喜,意不意外?看到名字就知道了:defaultArgs,也就是在你启动puppeteer的时候,不论如何,它都会给你来一个这样的参数列表追加进去,因此我们在使用puppeteer的时候,试着这里的:--enable-automation 删除,再重新跑一遍puppeteer,那个烦人的提示就不见了。(这个时候再试试去登陆那些反爬虫网站,so easy!)

  • 注意坑:这里我遇到过一个令我羞愧难当的问题,我曾经十分自信的跟同事说:用这个方法肯定没问题,可是当去掉了,并且执行了我以上这些操作,提示是没了,但是还是被反爬虫网站发现了!我真是见了鬼了!打脸来的如此之快!
  • 解决坑:最后经过不断的排摸问题,发现原来是chromium的问题,换成chrome或者是其他版本的chromium就没问题了,所以当大家遇到类似问题,可以尝试着切换下版本或者是chrome。这也印证了为什么谷歌官网chromium提醒我们,不稳定。官方大佬说的话,真的不能轻视每一句啊!
解决方案2:官方方案(推荐)
  • 这里我们来讲解下解决方案,有句名言:当你遇到问题,先去看官方文档。看完如果还不知道怎么解决?请熟读并背诵文档!
  • 其实官方文档里面已经给出过解决方法(但是官方文档往往不太喜欢直白的告诉你),我们来回忆一下文档里说的,launch的时候有个参数: ignoreDefaultArgs
  • 官方原话在这里: https://github.com/puppeteer/...
  • 这个属性可以过滤掉本身默认提供给你的参数,接收的类型:> 我们需要将过滤的参数写成['参数1','参数2','参数3'...],加上这个,就完美解决了问题!
  • 照顾一下连代码都懒得敲的同学:

    puppeteer.launch({
        ...
        ignoreDefaultArgs:['--enable-automation']
        ...
    })

    再去测试下,就没有那个测试提醒了。

  • 如有遇到其他问题,评论下方可以联系我,共同学习排坑。

你可能感兴趣的:(javascript,node.js,npm,chrome,puppeteer)