puppeteer 的PDD反爬经历
使用puppeteer 爬取PDD数据时出现要求登录,以前是没有这问题的。
尝试多种方式如果:
- 变更UA
- 变更代理IP
- 变更Chromium版本(当然最终就是该问题的原因,但是因为版本跨度太大没有测试出来)
最后查找浏览器判断是否在自动化工具控制下的方法,结果查询到文章,得知了新版Chrome有navigator.webdriver属性。
如果是在自动化工具控制下,在控制台中输出navigator.webdriver,可以看到true。
如果直接打开浏览器,在控制台出现的则是undefined,注意这里不是navigator.webdriver值为undefined,而是navigator没有webdriver属性。
该属性值不能通过赋值进行覆盖,但我们可以通过Object.defineProperty来覆盖:
Object.defineProperty(navigator,'webdriver',{ get: ()=>false })
但是如果是通过in或者hasOwnProperty来判断,
'webdriver' in navigator //or navigator.hasOwnProperty('webdriver')
覆盖webdriver为false就没用了。暂时不知道如何处理这种情况,还没看到deleteProperty这样的方法,当然delete也是没有用的。
翻看PDD前端源码发现还对phantomjs等进行了检测。
有兴趣的可以看看Chrome添加该属性的缘由:https://groups.google.com/a/chromium.org/forum/#!msg/blink-dev/6GysDZCWwB8/rXbGoRohBgAJ
可以根据ChromeStatus得知该属性添加的版本为63,但这属性需要到在puppeteer v0.12.0(对应chromium版本为64.0.3240.0 (r508693))中才开始有效,在v0.11.0(63.0.3205.0 (r499413))中还未生效。