Cloudflare 和 Chromedriver - cloudflare 区分 chrome 驱动程序和正版 chrome 驱动程序？

Question

我想使用 chrome 驱动程序从 fanfiction.net 中抓取一些故事。我尝试以下操作：

from selenium import webdriver
import time

path = 'D:\chromedriver\chromedriver.exe'

browser = webdriver.Chrome(path)
url1 = 'https://www.fanfiction.net/s/8832472'
url2 = 'https://www.fanfiction.net/s/5218118'

browser.get(url1)
time.sleep(5)
browser.get(url2)

第一个link打开（有时我要等5秒）。当我想加载第二个 url 时，cloudflare 介入并要我解决验证码 - 这是不可解决的，至少 cloudflare 不承认这一点。如果我在 chrome 驱动程序中手动输入 links（因此在 GUI 中），也会发生这种情况。但是，如果我在正常 chrome 中做同样的事情，一切都正常（我什至没有在第一个 link 上得到等待时间）——即使在私人模式下，所有的 cookie 都被删除。我可以在几台机器上重现这个。现在我的问题是：根据我的直觉，chrome 驱动程序只是允许被控制的普通 chrome 浏览器。与普通 chrome 有何不同，Cloudflare 如何区分两者，以及如何将我的 chrome 驱动程序屏蔽为普通 chrome？（我不打算在很短的时间内加载很多页面，所以它不应该看起来像一个机器人）。我希望我的问题很清楚

Answer 1

这个错误信息...

...表示 Cloudflare 已检测到您作为自动机器人向网站发出的请求，随后拒绝您访问该应用程序。

解决方案

在这些情况下，一个潜在的解决方案是使用 undetected-chromedriver 来初始化 Chrome 浏览上下文 .

undetected-chromedriver 是经过优化的 Selenium Chrome 驱动程序补丁，它不会触发像 Distill Network / Imperva / DataDome / Botprotect.io 这样的反机器人服务。它会自动下载驱动程序二进制文件并对其进行修补。

代码块：

import undetected_chromedriver as uc
from selenium import webdriver
import time

options = webdriver.ChromeOptions() 
options.add_argument("start-maximized")
driver = uc.Chrome(options=options)
url1 = 'https://www.fanfiction.net/s/8832472'
url2 = 'https://www.fanfiction.net/s/5218118'
driver.get(url1)
time.sleep(5)
driver.get(url2)

参考资料

您可以在以下位置找到一些相关的详细讨论：

Selenium app redirect to Cloudflare page when hosted on Heroku

Cloudflare 和 Chromedriver - cloudflare 区分 chrome 驱动程序和正版 chrome 驱动程序？

Cloudflare and Chromedriver - cloudflare distinguishes between chromedriver and genuine chrome?

selenium

python-3.x

cloudflare

selenium-chromedriver

undetected-chromedriver

解决方案

参考资料