爬虫：绕过5秒盾Cloudflare和DDoS-GUARD

本文章仅供技术研究参考，勿做它用！

• 5秒盾的特点

返回的页面中不是目标数据，而是包含上面的代码：Just a moment...

或者第一次打开网页的时候：

这几个特征就是被Cloudflare保护的网站，熟称5秒盾。

• 免费版5秒盾的绕过方法

安装cloudscraper

pip3 install cloudscraper

import cloudscraper
scraper = cloudscraper.create_scraper()
resp = scraper.get('目标网站').text

将代码中的requests 替换成scraper即可，其他和requests一样正常使用。

• 付费版5秒盾的绕过方法

如果网站部署的是付费版的5秒盾，用上述的cloudscraper就无法绕过，会返回下面的内容

Detected a Cloudflare version 2 (aptcha challengeeature is not available in the operce (free) version

付费版本绕过方法：docker 部署  flaresolverr 。

绕盾大致过程就是使用flaresolverr来代理我们的request请求，flaresolverr启动模拟浏览器绕盾成功之后我们保存好所需的cookies等参数，后续的requests就使用这些参数直接请求目标页面即可。如果请求的时候发现又被拒绝了，就重新启动绕盾步骤。

部署flaresolverr，本文章中的docker 和 flaresolverr  部署在爬虫程序同一台机器上。

linux 指令：

docker run -d --name=flaresolverr -p 8191:8191 -e LOG_LEVEL=info --restart unless-stopped ghcr.io/flaresolverr/flaresolverr:latest

 这里的代理端口设置的是 8191

部署完毕后使用curl 指令进行测试，不是本机部署请更换localhost 为flaresolverr 机器IP

curl -L -X POST 'http://localhost:8191/v1' -H 'Content-Type: application/json' --data-raw '{"cmd": "request.get","url":"https://你的目标网站/","maxTimeout": 160000}'

 这里有个注意点就是如果部署的机器性能比较差、目标网站性能差、或者网络通路不良等情况，maxTimeout 的值要设置 的足够大（ms）,不然会失败，我在实测一个网站的时候最大一次绕盾过程用了两分钟，例子代码中设置了160秒超时。

 附上绕盾用的python代码：

    def 绕过5秒盾(self,xxxx):
        print("破盾中...")
        urlServer = "http://localhost:8191/v1"
        payload = json.dumps({
            "cmd": "request.get",
            "url":'https://www.目标网站.com',
            "maxTimeout": 160000
            })
        headers = {
            'Content-Type': 'application/json'
            }

        response = requests.post(urlServer, headers=headers, data=payload)
        # print(response.status_code)
        # print(response.json()['solution']['cookies'])
        if response.status_code==200:
            userAgent = response.json()['solution']['userAgent']
            for item in response.json()['solution']['cookies']:
                self.cookies[item["name"]] = item["value"]
            self.UA = userAgent
            print("破盾成功")
            return response
        print("绕过5秒盾错误！！！")

获取到绕盾成功的cookies ，之后的请求都使用requests 携带此cookie 直接请求即可，不需要每个请求都使用绕盾的方式。

因为flaresolverr启动绕盾浏览器会占用大量机器资源。

参考内容：

https://www.163.com/dy/article/HUM0G2U505561QYO.html

https://www.5axxw.com/wiki/content/df5u4r