以淘宝为例教你如何突破网站对selenium的屏蔽

背景介绍：

一般情况下，访问网站都会消耗服务器的资源。而机器人可以做到比人更快的访问速度，更持续的访问时间，这对网站资源占用消耗是远远超过人的，而当服务器资源被大量占用的时候， 就不能为人提供正常的网络服务。而且机器人一般是直接获取需要的数据，不加载不必要的的信息，速度大大超过人的浏览速度。例如很多网站都有图片，甚至广告，加载都需要时间。一个视频网站，好几年了几万条的数据，半个小时采集完成。这种高频率的访问，服务器就得满负荷工作，带宽也会被占据，最后别人要访问就会受限制。基于这样的一个背景下，很多网站会对一些自动化的工具去访问网页作出一些检测，并限制别人通过脚本的方式去进行访问。

比如，通过selenium去操作淘宝首页，去登录。再不做任何处理的情况下，你会发现，每次输入完账号密码之后，都会弹出一个要输入验证的框：

不同的网站，需要验证的信息可能不一样，有的可能是需要输入验证码，或者进行什么人机验证之类的，你可能会想，那就滑动一下进行验证就好了，事实上，这种被识别为自动化的脚本进行访问的，验证之后也出报错或者出现其他未知的异常：

 

网站是如何检测出来是机器人在操作的呢？

selenium在运行的时候会暴露出一些预定义的Javascript变量（特征字符串），例如"window.navigator.webdriver"，在非selenium环境下其值为undefined，而在selenium环境下，其值为true（如下图所示为selenium驱动下Chrome控制台打印出的值）。

 

除此之外，还有一些其它的标志性字符串（不同的浏览器可能会有所不同），常见的特征串如下所示：

webdriver	__driver_evaluate	__webdriver_evaluate
__fxdriver_unwrapped	__fxdriver_evaluate	__selenium_evaluate
_Selenium_IDE_Recorder	__selenium_unwrapped	__driver_unwrapped
calledSelenium	_WEBDRIVER_ELEM_CACHE	__webdriver_unwrapped
_selenium	driver-evaluate	webdriver-evaluate
ChromeDriverw	selenium-evaluate	webdriverCommand
__webdriverFunc	__webdriver_script_fn	__$webdriverAsyncExecutor
__lastWatirAlert	__lastWatirConfirm	__lastWatirPrompt
$chrome_asyncScriptInfo	$cdc_asdjflasutopfhvcZLmcfl_

了解了这个特点之后，就可以在浏览器客户端JS中通过检测这些特征串来判断当前是否使用了selenium，并将检测结果附加到后续请求之中，这样服务端就能识别并拦截后续的请求。

 

如何绕过网站的这个验证呢？

在微信群看到有人在问怎么绕过这个验证，然后往上查了一下资料，大部分给的方案是：

在启动浏览器的时候加上一些配置，比如：

 

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

试过了，发现不行，还有的说让手动把webdriver的属性设置为undefined：

​​​​​​​

driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {   "source": """Object.defineProperty(navigator, 'webdriver', {get: () => undefined})""",})

发现这样设置之后，也并不能解决登陆淘宝网站的问题（或许不同网站的校验规则不一样，有的只是做了简单校验，淘宝的校验复杂点吧）。

最终，在网上查到了另一种方式，使用python的mitmproxy库进行操作。

顾名思义，mitmproxy 就是用于 MITM 的 proxy，MITM 即中间人攻击（Man-in-the-middle attack）。用于中间人攻击的代理首先会向正常的代理一样转发请求，保障服务端与客户端的通信，其次，会适时的查、记录其截获的数据，或篡改数据，引发服务端或客户端特定的行为。

使用 pip install mitmproxy 

新建一个py文件，命名随意，这里命名为modify_response.py​​​​​​​

# coding: utf-8
# modify_response.py

from mitmproxy import ctx


def response(flow):
    """修改响应数据
    """
    if '/js/yoda.' in flow.request.url:
        # 屏蔽selenium检测
        for webdriver_key in ['webdriver', '__driver_evaluate', '__webdriver_evaluate', '__selenium_evaluate',
                              '__fxdriver_evaluate', '__driver_unwrapped', '__webdriver_unwrapped',
                              '__selenium_unwrapped', '__fxdriver_unwrapped', '_Selenium_IDE_Recorder', '_selenium',
                              'calledSelenium', '_WEBDRIVER_ELEM_CACHE', 'ChromeDriverw', 'driver-evaluate',
                              'webdriver-evaluate', 'selenium-evaluate', 'webdriverCommand',
                              'webdriver-evaluate-response', '__webdriverFunc', '__webdriver_script_fn',
                              '__$webdriverAsyncExecutor', '__lastWatirAlert', '__lastWatirConfirm',
                              '__lastWatirPrompt', '$chrome_asyncScriptInfo', '$cdc_asdjflasutopfhvcZLmcfl_']:
            ctx.log.info('Remove "{}" from {}.'.format(webdriver_key, flow.request.url))
            flow.response.text = flow.response.text.replace('"{}"'.format(webdriver_key), '"NO-SUCH-ATTR"')
            print(webdriver_key)
        flow.response.text = flow.response.text.replace('t.webdriver', 'false')
        flow.response.text = flow.response.text.replace('ChromeDriver', '')

然后运行脚本：

mitmdump.exe -p 端口号  -s modify_response.py

然后再执行selenium的脚本即可实现正常的通过selenium进行登录淘宝网站，之前设置的ChromeOptions也要加上。具体代码如下：​​​​​​​

from selenium import webdriver
from time import sleep

option = webdriver.ChromeOptions()
option.add_experimental_option("excludeSwitches", ['enable-automation'])

driver = webdriver.Chrome(chrome_options=option)
driver.maximize_window()
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
   "source": """Object.defineProperty(navigator, 'webdriver', {get: () => undefined})""",
})
driver.get('https://www.taobao.com/')
driver.find_element_by_link_text('亲，请登录').click()
sleep(2)
driver.find_element_by_xpath('//input[@name="fm-login-id"]').send_keys('淘宝用户名')
sleep(2)
driver.find_element_by_xpath('//input[@name="fm-login-password"] ').send_keys('对应的密码')
sleep(2)
driver.find_element_by_xpath('//div[@class="fm-btn"]').click()
sleep(10)
#driver.quit()

效果演示（会运行2次脚本，第一次运行脚本时没有启动mitmproxy代理，无法正常登录，启动代理后，可以正常登录）：

未启动代理的效果：

 

启动代理后的效果：

 

总结

1、百度到的方法解决不了我们遇到的问题的时候，如何去解决？百度到的结果有时候只能为我们提供一个思路，尽量多看发帖时间在最近的，有的只是拿着以前别人写的东西copy一下，没有自己去实战过 ，并不一定能帮你解决问题，但是思路也许是对的

2、业务这边文章中的操作可以解决登录淘宝的问题，但或许不能解决所有的场景，需要针对不同的网站做些适当的调整，至于mitmproxy到底是什么，具体用法怎么用，为什么这么用 ，这里就不仔细介绍。

3、我觉得IT行业是一个更新换代非常快的行业，不管从事哪个岗位，培养一定的自学能力和解决问题的能力很重要，前辈们虽为我们总结和积累了很多经验，可以让我们少走一些弯路，但能够掌握解决问题的思路和方法更重要。