时间戳

首页 > 解决方案 > 如何在不被拒绝许可的情况下通过无头驱动程序访问站点

python - 如何在不被拒绝许可的情况下通过无头驱动程序访问站点

问题描述

我正在尝试使用无头 chrome 驱动程序检索网站的 html 代码。但是我收到“权限被拒绝”消息。如果我使用“常规”驱动程序，一切正常。

有没有办法绕过它？

这是我的第一篇文章，所以我为任何潜在的格式错误道歉

from selenium import webdriver

#Headless driver 

chrome_options = webdriver.ChromeOptions()

chrome_options.add_argument('--headless')
chrome_options.add_argument('--no-sandbox')                                             

driver1 = webdriver.Chrome(executable_path='./chromedriver', options=chrome_options, 
service_args=['--verbose', '--log-path=/tmp/chromedriver.log'])

driver1.get('https://www.size.co.uk/')
html = driver1.page_source
html

我得到的信息是：

<html xmlns="http://www.w3.org/1999/xhtml"><head>\n<title>Access Denied</title>\n</head><body>\n<h1>Access Denied</h1>\n \nYou don\'t have permission to access "http://www.size.co.uk/" on this server.<p>\nReference #18.ac81655f.1548818550.73b12da\n\n\n</p></body></html>

普通司机：

driver = webdriver.Chrome('./chromedriver')
driver.get('https://www.size.co.uk/')
html = driver.page_source
driver.quit()
html

理想情况下，我希望输出与后一种情况一样，而不会每隔几秒钟弹出一次新窗口。

标签： pythonseleniumselenium-webdriverselenium-chromedrivergoogle-chrome-headless

解决方案

添加以下代码片段让页面返回给我：

user_agent = 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.50 Safari/537.36'    
chrome_options.add_argument('user-agent={0}'.format(user_agent))

该网站显然正在检查无头浏览器，然后拒绝它们访问。这是一篇关于避免检测的文章：使 Chrome Headless Undetectable

要获取驱动程序使用的用户代理，您可以运行以下命令：

driver.execute_script("return navigator.userAgent")

Chrome 的无头用户代理是这样的：

u'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) HeadlessChrome/71.0.3578.98 Safari/537.36'

推荐阅读