Question

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，则一切正常。

有什么办法可以绕过它？

这是我的第一篇文章，因此对格式中的任何潜在错误我深表歉意

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

我收到的消息是：

<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>

常规驱动程序：

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相同，而不会每隔两秒钟弹出新窗口。

Answer 1

添加以下代码段即可使页面返回：

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。这是有关避免检测的文章：Making Chrome Headless Undetectable

要获取驱动程序正在使用的用户代理，可以运行以下命令：

driver.execute_script("return navigator.userAgent")

Chromes无头用户代理是这样的：

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

Answer 2

您必须在代码中更改用户代理

如果您发送大量请求，则必须在每个请求中更改 user-agent值 Python和其他语言有很多库可以帮助您如何做请参阅下面的链接以了解如何使用它：

Way to change Google Chrome user agent in Selenium?

如何在没有被拒绝的情况下通过无头驱动程序访问站点

2 个答案: