一周一技 | 不注入JS怎么防止Pyppeteer被反爬？

厨师：kingname

在我以前的一篇文章：一日一技：如何正确移除Selenium中window.navigator.webdriver的值，我讲到了如何在Selenium启动的Chrome中，通过设置启动参数隐藏 window.navigator.webdriver，驳斥了网上垃圾文章中流传的使用JavaScript注入的弊端。

由于Selenium启动的Chrome中，有几十个特征可以被识别，所以在爬虫界已经没有以前那么受欢迎了。模拟浏览器的新秀Puppeteer异军突起，逐渐受到了爬虫界的关注。Puppeteer需要使用JavaScript来控制，如果你是用Python，那么就需要使用Pyppeteer.

如果你使用模拟浏览器爬淘宝，你会发现，无论怎么修改参数，Selenium总是可以立刻被识别。但是如果你使用了本文的方法，用Pyppeteer抓取淘宝，你就会发现另外一个广阔的天地。

今天，我们来讲讲如何在Pyppeteer中隐藏 window.navigator.webdriver

首先，我们使用下面的代码，通过Pyppeteer打开浏览器窗口：

import asyncio
from pyppeteer import launch
async def main():
    browser = await launch(executablePath='/Applications/Google Chrome.app/Contents/MacOS/Google Chrome',headless=False)
    page = await browser.newPage()
    await page.goto('http://exercise.kingname.info')
    input('测试完成以后回到这里按下回车...')
    await browser.close()
asyncio.get_event_loop().run_until_complete(main())

代码运行以后，会打开Chrome浏览器，并访问 http://exercise.kingname.info/(这是我写的爬虫练习网站，大家可以用这个网站练习爬虫开发，里面有几道题挺难^_^)

网上的代码，无外乎注入JavaScript，在网页自带的JavaScript加载之前，提前运行一段JavaScript，修改查询 window.navigator.webdriver的接口。

这种方式每开一个新页面都要执行一次，繁琐，愚蠢！

那么正确的办法是什么呢？

我写这篇文章的时候（2019-08-15），Pyppeteer的最新版本为0.0.25，如下图所示：

此时，你可以在PyCharm中，按住Command键（Windows、Linux用户按住Ctrl键），鼠标左键点击 frompyppeteerimportlaunch中的 launch，自动跳转到Pyppeteer源代码中的 launcher.py文件。

把代码往上翻，在第60行左右，找到如下图方框框住的代码：

把 --enable-automation这一行注释掉。此时PyCharm会提示你是否修改源代码，选择OK。如下图所示。

修改完成以后的代码如下图所示：

以上就是你需要做的全部修改。

重新运行刚才的代码，你会发现， window.navigator.webdriver已经是 undefined了。如下图所示。

在Pyppeteer即将发布的0.0.26版本的功能里面，我看到了如下图方框框住的一项：

所以，等0.0.26版本发布以后，我们就可以直接通过传递参数来禁用 --enable-automation了，不再需要修改源代码了。