Line of js code to make the site identification and response plans Selenium + Webdriver

Reprinted: https://www.cnblogs.com/xieqiankun/p/hide-webdriver.html

Many of my friends like to use Selenium + Chromedriver, thinking that it can do without being detected anti-crawler mechanism in the development of the site in reptiles.

I will not speak of this anti-Taobao reptile policies based on user behavior, just an ordinary little site with a single line of Javascript code, we can easily identify whether you are using Selenium + Chromedriver analog browser.

We look at an example.

Use the following piece of code which start Chrome window:

from selenium.webdriver import Chrome

driver = Chrome()

Now open in this window, developer tools, and navigate to the Console tab, as shown below.

Now, in this window, enter the following code and press ENTER js:

window.navigator.webdriver

You can see, developer tools returned true. As shown below.

However, if you open a normal Chrome window, execute the same command, this line of code can be found in the return value undefined, as shown in FIG.

So, if the website for this parameter by js code, the return value undefinednote is normal browser, return trueinstructions Selenium is used to simulate a browser. A quasi-one arrested. Js code example given here of a detection Selenium:

webdriver = window.navigator.webdriver;
if(webdriver){
    console.log('你这个傻逼你以为使用Selenium模拟浏览器就可以了？')
} else {
    console.log('正常浏览器')
}

网站只要在页面加载的时候运行这个js代码，就可以识别访问者是不是用的Selenium模拟浏览器。如果是，就禁止访问或者触发其他反爬虫的机制。

那么对于这种情况，在爬虫开发的过程中如何防止这个参数告诉网站你在模拟浏览器呢？

可能有一些会js的朋友觉得可以通过覆盖这个参数从而隐藏自己，但实际上这个值是不能被覆盖的：

对js更精通的朋友，可能会使用下面这一段代码来实现：

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

运行效果如下图所示：

确实修改成功了。这种写法就万无一失了吗？并不是这样的，如果此时你在模拟浏览器中通过点击链接、输入网址进入另一个页面，或者开启新的窗口，你会发现，window.navigator.webdriver又变成了true。如下图所示。

那么是不是可以在每一个页面都打开以后，再次通过webdriver执行上面的js代码，从而实现在每个页面都把window.navigator.webdriver设置为undefined呢？也不行。

因为当你执行：driver.get(网址)的时候，浏览器会打开网站，加载页面并运行网站自带的js代码。所以在你重设window.navigator.webdriver之前，实际上网站早就已经知道你是

模拟浏览器了。

接下来，又有朋友提出，可以通过编写Chrome插件来解决这个问题，让插件里面的js代码在网站自带的所有js代码之前执行。

这样做当然可以，不过有更简单的办法，只需要设置Chromedriver的启动参数即可解决问题。

在启动Chromedriver之前，为Chrome开启实验性功能参数excludeSwitches，它的值为['enable-automation']，完整代码如下：

模拟浏览器了。

接下来，又有朋友提出，可以通过编写Chrome插件来解决这个问题，让插件里面的js代码在网站自带的所有js代码之前执行。

这样做当然可以，不过有更简单的办法，只需要设置Chromedriver的启动参数即可解决问题。

在启动Chromedriver之前，为Chrome开启实验性功能参数excludeSwitches，它的值为['enable-automation']，完整代码如下：

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

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

此时启动的Chrome窗口，在右上角会弹出一个提示，不用管它，不要点击停用按钮。

再次在开发者工具的Console选项卡中查询window.navigator.webdriver，可以发现这个值已经自动变成undefined了。并且无论你打开新的网页，开启新的窗口还是点击链接进入其他页面，都不会让它变成true。运行效果如下图所示。

截至2019年02月12日20:46分，本文所讲的方法可以用来登录知乎。如果使用 Selenium 直接登录知乎，会弹出验证码；先使用本文的方法再登录知乎，能够成功伪装成真实的浏览器，不会弹出验证码。

Line of js code to make the site identification and response plans Selenium + Webdriver

Guess you like