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() 複製程式碼
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。
現在，在這個視窗輸入如下的js程式碼並按下回車鍵：
window.navigator.webdriver 複製程式碼
可以看到，開發者工具返回了 true 。如下圖所示。
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。
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')
}
複製程式碼
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：
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}});
複製程式碼
執行效果如下圖所示：
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。
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)
複製程式碼
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。
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。
