selenium爬虫：一行代码去掉所有webdriver痕迹
1、前言
码工人之歌
码工人，码工魂，码工人才是人上人。
码工人你不要哭，因为……骑电瓶车的时候，擦眼流水儿不安全。
码工人996写代码少活十年，而不写代码一天都活不下去。
2、问题
噗哈哈，开个玩笑。首先回顾前两篇selenium系列selenium爬虫使用了代理为什么还是被服务器判定为机器人？以及selenium爬虫使用代理情况下不设置这几个参数，代理就白加了，正确的关闭webrtc以及设置成代理的时区和地理位置，可以很好的帮我们的浏览器伪装成正儿八经的正常浏览器，犹如滤镜可以把王大妈变身成风靡万千宅男的乔碧萝。但是，这还不够，风控系统有各种方式可以将你揪出来。所以应粉丝的要求，今天小码哥又双叒动笔了：
怎么如德芙般丝滑地去掉selenium烦人的webdriver痕迹？
3、原因
原因很简单，我们使用selenium+chromedriver启动chrome的时候,会在chrome的navigator以及document对象里注入一些属性，如果web服务器返回的js代码里有对这些属性的检测，那我们就会被识别为机器人在访问。
4、解决方案
解决方案逻辑上很简单，就是selenium额外加了什么我们去除掉什么。
我们先上没有去掉webdriver的selenium代码，访问:https://bot.sannysoft.com/
from selenium import webdriver
chrome_options = webdriver.ChromeOptions()
chrome_options.add_experimental_option(
"excludeSwitches", ["enable-automation"])
chrome_options.add_experimental_option('useAutomationExtension', False)
chrome_options.add_argument('lang=zh-CN,zh,zh-TW,en-US,en')
chrome_options.add_argument(
'user-agent=Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36')
driver = webdriver.Chrome(
"./chromedriver", chrome_options=chrome_options)
driver.get("https://bot.sannysoft.com/")
测试结果截图：
我们可以看到，webdriver被检测出来了，也就是说服务器知道你使用了selenium访问其网站。
我们上去掉webdriver的代码的selenium代码
from selenium import webdriver
chrome_options = webdriver.ChromeOptions()
chrome_options.add_experimental_option(
"excludeSwitches", ["enable-automation"])
chrome_options.add_experimental_option('useAutomationExtension', False)
chrome_options.add_argument('lang=zh-CN,zh,zh-TW,en-US,en')
chrome_options.add_argument(
'user-agent=Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36')
chrome_options.add_argument("disable-blink-features=AutomationControlled")#就是这一行告诉chrome去掉了webdriver痕迹
driver = webdriver.Chrome(
"./chromedriver", chrome_options=chrome_options)
driver.get("https://bot.sannysoft.com/")
测试结果截图：
我们可以看到通过在chrome启动的时候加一个disable-blink-features=AutomationControlled的flag就可以实现降维打击，移除掉webdriver的痕迹，妈妈再也不用担心你加班了……
如果你们认为做到以上：关闭webrtc、设置浏览器时区和地理位置、去掉webdriver就高枕无忧了吗？
No，这还不够，服务器还能揪出你，你只能给老板发送以下短信。
然后继续加班。
想知道更多的反检测方式，咱们下期见！
最后，微信搜索“码道工程”关注我的公众号，获取更多的文章。
请先登陆 或 注册