pyppeteer持久化修改网站检测浏览器的特征值

在互联网前沿具有价值的网站，在反爬虫领域也做出了深有成效的反爬虫措施，其中浏览器环境检测、用户行为检测是目前对爬虫杀伤力最大的两条技术路线；而浏览器环境检测是以webdriver等几十个特征值为基础的爬虫识别；

此前讲过几篇关于浏览器识别的文章：

《selenium的封杀与突破，记录一次出师未捷身先死，淘宝、美团对爬虫的深入打击》

《Python爬虫中深不可测的ua参数，爬虫的身份证》

现行的浏览器环境识别采用的大都是这种思路：获取到自动化浏览器与正常浏览器有区别的值，然后根据这些值在加上一些行为判断，一并加密传回服务端，服务端解密后鉴别那些是爬虫，后面来自这些终端的敏感请求就一律不在通过验证。

比较典型的是淘宝的环境检测+用户行为判断，还有美团验证的提取多个浏览器关键属性来判断是否为异常值。

据我所知大部分的修改webdriver值都是一次性的不管是selenium的execute_script()方法，还是pyppeteer的evaluate()方法执行下面代码都能临时修改浏览器属性中的webdriver属性，当页面刷新或者跳转之后该值就原形毕露。

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

但是pyppeteer的最底层是封装的puppeteer，是js库，是和网站源码交互最深的方式，在pyppeteer中提供了一个方法：evaluateOnNewDocument()，该方法是将一段js代码加载到页面文档中，当发生页面导航、页面内嵌框架导航的时候加载的js代码会自动执行，那么当页面刷新的时候该js也会执行，这样就保证了修改网站的属性持久化的目的。

await page.evaluateOnNewDocument('() =>{ Object.defineProperties(navigator,'
                                     '{ webdriver:{ get: () => false } }) }')  # 本页刷新后值不变

image

重要：因为同步公号的文章格式很难保证，所以后面文章选择性在其他平台同步，欢迎移步公众号（Python之战）,每日更新原汁原味！