Selenium隐藏浏览器特征

Selenium特征

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

来源网址:
https://blog.csdn.net/m0_67695717/article/details/128866017
https://blog.csdn.net/m0_67695717/article/details/130687622
https://blog.csdn.net/houmenghu/article/details/120489611

1. 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

2. 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 (Windows 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)

3. 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

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)

4. 操作已开启的浏览器

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

# 使用当前浏览器
# "C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222
# 创建一个全新配置的浏览器, 一个文件夹只会创建一次
# "C:\Program Files\Google\Chrome\Application\chrome.exe"  --remote-debugging-port=9222 --user-data-dir="随便找个空文件夹路径"

cmd = 'C:\\Program Files\\Google\\Chrome\\Application\\chrome.exe --remote-debugging-port=9222 --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

from selenium.webdriver import Chrome
from selenium.webdriver.chrome.options import Options

chrome_options = Options()
chrome_options.add_experimental_option("debuggerAddress", "127.0.0.1:9222")
# 注意我把chromedriver文件放到了当前文件夹里面，所以可以这样调用
# 如果你是windows电脑，你需要使用./chromedriver.exe
driver = Chrome(options=chrome_options)

driver.get('http://exercise.kingname.info/exercise_login_success')
input('输入任意内容继续')
driver.get('https://www.kingname.info')
input('输入任意内容继续')
driver.get('http://exercise.kingname.info/exercise_login_success')

4. 常见的隐藏Selenium特征的方法

隐藏Selenium特征是实现自动化网页测试的关键。通过以下三种方法，我们可以让浏览器看起来更像正常的用户，避免被网站检测到并拒绝访问。综合下面的几种selenium特征隐藏方式，以采集大众点评的评论为案例，结合实际爬虫采集过程中需要使用的代理IP池，提供如下demo：

4.1 修改navigator.webdriver标志

navigator.webdriver是一个浏览器提供的属性，用于表示浏览器是否由webdriver控制。默认情况下，如果浏览器由Selenium驱动，这个标志的值为true，否则为false。我们可以通过execute_cdp_cmd命令来执行Google Chrome DevTools命令，从而修改这个标志的值为false或者undefined，以隐藏Selenium的特征。

4.2 改变user-agent

user-agent是一个浏览器发送给网站的字符串，用于表示浏览器的类型和版本。有些网站会根据user-agent来判断用户的设备和操作系统，如果发现user-agent不符合正常的范围，就会怀疑是Selenium驱动的浏览器。我们可以通过execute_cdp_cmd命令来设置Network.setUserAgentOverride参数，从而改变user-agent为任意我们想要的值，以隐藏Selenium的特征
enable-automation和useAutomationExtension是两个常见的Selenium相关开关，它们会影响浏览器的行为和外观，比如在浏览器窗口上显示“Chrome正在受到自动软件的控制”的提示。我们可以通过Chrome选项来添加或删除这些开关，从而让浏览器看起来更像正常的浏览器，以隐藏Selenium的特征。

4.3 排除或关闭一些Selenium相关的开关

enable-automation和useAutomationExtension是两个常见的Selenium相关开关，它们会影响浏览器的行为和外观，比如在浏览器窗口上显示“Chrome正在受到自动软件的控制”的提示。我们可以通过Chrome选项来添加或删除这些开关，从而让浏览器看起来更像正常的浏览器，以隐藏Selenium的特征。

4.4 代码展示

　　from selenium import webdriver
　　from selenium.webdriver.common.proxy import Proxy, ProxyType
　　# 亿牛云爬虫加强版代理IP 地址、端口号、用户名和密码
　　proxy_address = 'www.16yun.cn'
　　proxy_port = '3100'
　　proxy_username = '16YUN'
　　proxy_password = '16IP'
　　# 设置Chrome选项，包括隐藏Selenium特征、设置代理IP和排除或关闭一些Selenium相关开关
　　options = webdriver.ChromeOptions()
　　options.add_argument('--disable-blink-features=AutomationControlled')
　　options.add_argument('--disable-extensions')
　　options.add_argument('--disable-gpu')
　　options.add_argument('--disable-infobars')
　　options.add_argument('--disable-notifications')
　　options.add_argument('--disable-popup-blocking')
　　options.add_argument('--disable-web-security')
　　options.add_argument('--ignore-certificate-errors')
　　options.add_argument('--no-sandbox')
　　options.add_argument('--start-maximized')
　　options.add_argument('--user-data-dir=/dev/null')
　　options.add_argument('--proxy-server={}'.format(proxy_address + ':' + proxy_port))
　　options.add_argument('--proxy-auth={}:{}'.format(proxy_username, proxy_password))
　　options.add_experimental_option('excludeSwitches', ['enable-automation', 'useAutomationExtension'])
　　# 初始化Chrome浏览器，并使用上述选项
　　driver = webdriver.Chrome(options=options)
　　# 隐藏navigator.webdriver标志，将其值修改为false或undefined
　　driver.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument', {
　　    'source': 'Object.defineProperty(navigator, "webdriver", {get: () => undefined})'
　　})
　　# 设置user-agent，改变user-agent的值
　　user_agent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"
　　driver.execute_cdp_cmd("Network.setUserAgentOverride", {"userAgent": user_agent})
　　# 访问大众点评中商品的评论页面
　　url = 'https://www.dianping.com/shop/1234567/review_all'
　　driver.get(url)
　　# 在此处添加其他代码来执行您想要的任务

4.5 总结

此代码将使用Chrome浏览器，并在启动浏览器时使用选项隐藏Selenium特征、设置用户名和密码方式的代理IP和排除或关闭一些Selenium相关开关。然后，使用execute_cdp_cmd命令来执行Google Chrome DevTools协议中的命令，将navigator.webdriver标志的值修改为false或undefined。使用execute_cdp_cmd命令来设置Network.setUserAgentOverride参数，将user-agent更改为指定的user-agent字符串。最后，访问大众点评中商品的评论页面，并在此处添加其他代码来执行您想要的任务。