一行js程式碼識別Selenium+Webdriver及其應對方案

有不少朋友在開發爬蟲的過程中喜歡使用Selenium + Chromedriver，以為這樣就能做到不被網站的反爬蟲機制發現。

先不說淘寶這種基於使用者行為的反爬蟲策略，僅僅是一個普通的小網站，使用一行Javascript程式碼，就能輕輕鬆鬆識別你是否使用了Selenium + Chromedriver模擬瀏覽器。

我們來看一個例子。

使用下面這一段程式碼啟動Chrome視窗：

from selenium.webdriver import Chrome

driver = Chrome()

現在，在這個視窗中開啟開發者工具，並定位到Console選項卡，如下圖所示。

image

現在，在這個視窗輸入如下的js程式碼並按下Enter鍵：

window.navigator.webdriver

可以看到，開發者工具返回了true。如下圖所示。

image

但是，如果你開啟一個普通的Chrome視窗，執行相同的命令，可以發現這行程式碼的返回值為undefined，如下圖所示。

image

所以，如果網站通過js程式碼獲取這個引數，返回值為undefined說明是正常的瀏覽器，返回true說明用的是Selenium模擬瀏覽器。一抓一個準。這裡給出一個檢測Selenium的js程式碼例子：

webdriver = window.navigator.webdriver;
if(webdriver){
    console.log('你這個傻逼你以為使用Selenium模擬瀏覽器就可以了？')
} else {
    console.log('正常瀏覽器')
}

網站只要在頁面載入的時候執行這個js程式碼，就可以識別訪問者是不是用的Selenium模擬瀏覽器。如果是，就禁止訪問或者觸發其他反爬蟲的機制。

那麼對於這種情況，在爬蟲開發的過程中如何防止這個引數告訴網站你在模擬瀏覽器呢？

可能有一些會js的朋友覺得可以通過覆蓋這個引數從而隱藏自己，但實際上這個值是不能被覆蓋的：

image

對js更精通的朋友，可能會使用下面這一段程式碼來實現：

Object.defineProperties(navigator, {webdriver:{get:()=>undefined}});

執行效果如下圖所示：

image

確實修改成功了。這種寫法就萬無一失了嗎？並不是這樣的，如果此時你在模擬瀏覽器中通過點選連結、輸入網址進入另一個頁面，或者開啟新的視窗，你會發現，window.navigator.webdriver又變成了true。如下圖所示。

image

那麼是不是可以在每一個頁面都開啟以後，再次通過webdriver執行上面的js程式碼，從而實現在每個頁面都把window.navigator.webdriver設定為undefined呢？也不行。

因為當你執行：driver.get(網址)的時候，瀏覽器會開啟網站，載入頁面並執行網站自帶的js程式碼。所以在你重設window.navigator.webdriver之前，實際上網站早就已經知道你是模擬瀏覽器了。

接下來，又有朋友提出，可以通過編寫Chrome外掛來解決這個問題，讓外掛裡面的js程式碼在網站自帶的所有js程式碼之前執行。

這樣做當然可以，不過有更簡單的辦法，只需要設定Chromedriver的啟動引數即可解決問題。

在啟動Chromedriver之前，為Chrome開啟實驗性功能引數excludeSwitches，它的值為['enable-automation']，完整程式碼如下：

from selenium.webdriver import Chrome
from selenium.webdriver import ChromeOptions

option = ChromeOptions()
option.add_experimental_option('excludeSwitches', ['enable-automation'])
driver = Chrome(options=option)

此時啟動的Chrome視窗，在右上角會彈出一個提示，不用管它，不要點選停用按鈕。

再次在開發者工具的Console選項卡中查詢window.navigator.webdriver，可以發現這個值已經自動變成undefined了。並且無論你開啟新的網頁，開啟新的視窗還是點選連結進入其他頁面，都不會讓它變成true。執行效果如下圖所示。

image

截至 2019 年 2 月 12 日 20:46 分，本文所講的方法可以用來登入知乎。如果使用 Selenium 直接登入知乎，會彈出驗證碼；先使用本文的方法再登入知乎，能夠成功偽裝成真實的瀏覽器，不會彈出驗證碼。

實際上，Selenium + Webdriver能被識別的特徵不止這一個。關於如何隱藏其他特徵，請關注我的微信公眾號。

image