5

我想用 chromedriver 从 fanfiction.net 上抓取一些故事。我尝试以下方法：

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)

第一个链接打开（有时我必须等待 5 秒）。当我想加载第二个 url 时，cloudflare 介入并希望我解决验证码 - 这是无法解决的，至少 cloudflare 无法识别这一点。如果我在 chromedriver 中手动输入链接（所以在 GUI 中），也会发生这种情况。但是，如果我在普通 chrome 中做同样的事情，一切都会正常运行（我什至没有得到第一个链接的等待时间）——即使在私有模式下并且所有 cookie 都已删除。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，chromedriver 只是允许控制的普通 chrome 浏览器。与普通 chrome 有什么区别，Cloudflare 如何区分两者，如何将我的 chromedriver 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

4

1 回答 1

2

此错误消息...

访问前检查您的浏览器

...意味着Cloudflare已将您对网站的请求检测为自动机器人，并随后拒绝您访问该应用程序。

解决方案

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

undetected-chromedriver是一个优化的 Selenium Chromedriver 补丁，它不会触发像 Distill Network / Imperva / DataDome / Botprotect.io 这样的反僵尸服务。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

您可以在以下位置找到一些相关的详细讨论：

于 2021-01-08T23:51:09.773 回答