前言

undetected_chromedriver 是一个用于绕过 Web 自动化中的 ChromeDriver 检测的 Python 库。它提供了更好的隐匿性和稳定性.

适用于以下场景:

  1. Web 自动化测试:undetected_chromedriver 可以用于模拟用户在浏览器中的操作进行自动化测试,例如填写表单、点击按钮、抓取页面内容等。由于其对驱动程序的检测绕过能力,可以帮助您避免被网站检测到并防止启动时的安全问题。

  2. 网页数据爬取:undetected_chromedriver 在进行网页数据爬取时也能够提供更高的隐匿性。它可以模拟浏览器行为,如加载 JavaScript、执行 Ajax 请求等,从而获取动态生成的内容。

  3. 反爬虫绕过:某些网站会使用检测机制来识别和阻止爬虫程序。undetected_chromedriver 可以绕过这些检测机制,使得爬虫程序更难被网站检测到,从而提高爬取数据的成功率。

注意

无论在何种场景下使用 undetected_chromedriver,都应该遵守相关法律法规并尊重网站的访问政策。在进行任何自动化操作或爬取数据之前,最好阅读并了解目标网站的使用条款、隐私政策和 robots.txt 文件,并确保您的行为符合相关规定。

使用到的第三方库

undetected_chromedriver

是一个用于绕过 Web 自动化中的 ChromeDriver 检测的 Python 库。

  1. unhandled_prompt_behaviour(prompt_handler: Optional[Callable] = None):设置如何处理未处理的提示框。默认情况下,当出现未处理的提示框时,将引发 UnexpectedAlertPresentException 异常。您可以使用此方法设置回调函数来处理这些提示框。

  2. disable_csp():禁用 Chrome 的内容安全策略(CSP)。CSP 是一种安全机制,它可以限制浏览器加载和执行的资源和代码,从而减少潜在的安全漏洞。但是,在某些情况下,CSP 可能会阻止您访问所需的资源,因此您可能需要禁用它。

  3. enable_automation():启用 Chrome 的自动化标识。这个方法会启用一个旗标,来帮助您避免被一些网站检测为自动化脚本并被阻止访问。

  4. start_session():启动一个新的浏览器会话,并返回与之对应的 Session 实例。Session 对象提供了许多有用的方法,例如 visit()find()execute_script(),可以用于操作浏览器并与网站交互。

  5. clear_cache():清除浏览器缓存。这可以帮助您避免特定网站缓存数据的影响,并确保您获得最新的页面内容。

  6. 其他常用的 Selenium 方法:例如 get()find_element()find_elements()execute_script() 等。

Selenium

selenium.webdriver.common.by提供了一组用于定位网页元素的方法。

  1. By.ID:通过元素的id属性进行定位。
  2. By.NAME:通过元素的name属性进行定位。
  3. By.CLASS_NAME:通过元素的class属性进行定位。
  4. By.TAG_NAME:通过元素的标签名称进行定位。
  5. By.LINK_TEXT:通过链接文本进行定位。
  6. By.PARTIAL_LINK_TEXT:通过链接文本的部分内容进行定位。
  7. By.CSS_SELECTOR:通过 CSS 选择器进行定位。
  8. By.XPATH:通过 XPath 表达式进行定位。

代码样例

运行环境

  • 开发环境 Anaconda3 python3.9
  • selenium4.12.0
  • undetected-chromedriver3.5.3
  • 浏览器 谷歌浏览器版本 78.0.3904.108(正式版本) (64 位)
  • 驱动chromedriver_win32.zip (需要和浏览器版本适配,下载地址如下)

https://cdn.npmmirror.com/binaries/chromedriver/78.0.3904.105/chromedriver_win32.zip

应用场景

访问百度网站,查询一个问题’undetected_chromedriver 如何使用’,获取返回的搜索信息,将其中的标题和链接信息进行输出.

代码

from undetected_chromedriver import Chrome, ChromeOptionsfrom selenium.webdriver.common.by import By# 创建 ChromeOptions 对象并配置# r"D:\chromedriver.exe"options = ChromeOptions()# options.add_argument("--headless")# 设置无头模式# 创建 Chrome 对象 路径最好是设置绝对路径,排查路径的问题driver = Chrome(options=options, driver_executable_path=r"D:\chromedriver.exe")# 打开百度首页driver.get("https://www.baidu.com")# 输入要查询的问题query = "undetected_chromedriver 如何使用"search_box = driver.find_element(By.CSS_SELECTOR, "input[id='kw']")search_box.send_keys(query)# 提交搜索表单search_button = driver.find_element(By.CSS_SELECTOR, "input[id='su']")search_button.click()# 等待搜索结果加载完成driver.implicitly_wait(5)# 等待5秒钟,如果结果在该时间内加载完成则继续执行# 获取搜索结果results = driver.find_elements(By.CSS_SELECTOR, "h3[class='c-title t t tts-title'] a")for result in results:title = result.texturl = result.get_attribute("href")print(f"标题:{title}")print(f"链接:{url}")print()# 关闭浏览器会话driver.quit()

一些常见的问题和解决方法

无法启动 Chrome 浏览器

如果在使用 undetected_chromedriver 启动浏览器时遇到问题,首先确保您已正确安装 Chrome 浏览器和对应版本的 ChromeDriver。您可以从 Chrome 官方网站下载最新版本的浏览器和 ChromeDriver。另外,请确保您的操作系统与所使用的 ChromeDriver 版本兼容。

Chrome 版本与 ChromeDriver 版本不匹配

undetected_chromedriver 需要与您已安装的 Chrome 浏览器版本相对应的 ChromeDriver 版本。当 ChromeDriver 版本与 Chrome 版本不匹配时,可能会出现错误或启动失败。请确保两者版本匹配,并及时更新 ChromeDriver。

无法绕过自动化检测

某些网站可能会检测到您使用的是自动化工具,并采取措施阻止您的访问。尽管 undetected_chromedriver 可以提供一定程度上的自动化检测绕过能力,但无法保证绝对的成功。您可以尝试使用其他技术手段,如更改 User-Agent、模拟人类的浏览行为等,来增加绕过检测的成功率。

性能问题

使用 undetected_chromedriver 可能会引入一些额外的性能开销,因为它需要执行一些逻辑来绕过检测。如果您发现脚本运行速度较慢,可以尝试优化代码或考虑直接使用原生的 ChromeDriver 进行操作。

不支持的功能

undetected_chromedriver 是一个针对特定用例的库,其中某些功能可能与标准的 Selenium API 不兼容或不支持。如果您需要使用某些高级功能或特定的 Selenium 特性,需要参考 undetected_chromedriver 的文档,了解其是否支持相关功能。