Cloudflare 和 Chromedriver - cloudflare 区分 chromedriver 和正版 chrome？

Question

我想使用 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（我什至没有在第一个链接上获得等待期）——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

Answer 1

此错误消息...

...暗示Cloudflare 已将您对网站的请求检测为自动机器人，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 Distill Network / Imperva / DataDome / Botprotect.io 等反僵尸服务。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)
  

---

参考文献

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
• How to bypass being rate limited ..HTML Error 1015 using Python