西安网站建设开发查派贵阳利于优化的网站
一、背景介绍：你被自动化检测拒之门外了吗？
在使用 Selenium 或 Playwright 等浏览器自动化工具爬取数据时，经常会遇到「被检测」问题，尤其像 Amazon 这样反爬策略严密的网站。常见的检测机制之一就是检查 JavaScript 中的 navigator.webdriver 属性：
console.log(navigator.webdriver); // true：表明是自动化工具
因此，本文将带你深入了解如何在浏览器中底层修改该属性，并结合代理、Cookie、User-Agent 技术，实现一个能顺利爬取 Amazon 网站商品信息的反检测爬虫。
二、环境准备
1. 安装依赖
pip install undetected-chromedriver selenium requests
我们使用
undetected-chromedriver代替原生 Selenium 驱动，内置多种反检测机制，更适合应对大型网站的反爬。
2. 爬虫代理信息（请替换为你的真实账户信息）
# 配置代理 亿牛云爬虫代理 www.16yun.cn
proxy_host = "proxy.16yun.cn"
proxy_port = "8010"
proxy_user = "16YUN"
proxy_pass = "16IP"
三、核心步骤
✅ 第一步：配置无痕浏览器并隐藏 webdriver
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
import timedef create_stealth_driver(proxy_host, proxy_port, proxy_user, proxy_pass, user_agent, cookies):options = Options()options.add_argument(f"user-agent={user_agent}")options.add_argument("--disable-blink-features=AutomationControlled")# 配置爬虫代理options.add_argument(f'--proxy-server=http://{proxy_user}:{proxy_pass}@{proxy_host}:{proxy_port}')# 启动无头浏览器（也可以关闭无头方便调试）# options.add_argument('--headless')# 创建驱动import undetected_chromedriver as ucdriver = uc.Chrome(options=options)# 修改 webdriver 属性（核心）driver.execute_script("Object.defineProperty(navigator, 'webdriver', {get: () => undefined})")# 设置 cookiedriver.get("https://www.amazon.com")for cookie in cookies:driver.add_cookie(cookie)return driver
✅ 第二步：模拟搜索关键词并采集信息
def scrape_amazon(keyword):user_agent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"cookies = [] # 可以从浏览器复制一组，也可通过登录获取driver = create_stealth_driver(proxy_host, proxy_port, proxy_user, proxy_pass, user_agent, cookies)driver.get(f"https://www.amazon.com/s?k={keyword}")time.sleep(3)products = driver.find_elements(By.XPATH, "//div[@data-component-type='s-search-result']")for product in products[:10]: # 只取前10条数据举例try:title = product.find_element(By.TAG_NAME, "h2").textprice_whole = product.find_element(By.CLASS_NAME, "a-price-whole").textprice_frac = product.find_element(By.CLASS_NAME, "a-price-fraction").textprice = f"{price_whole}.{price_frac}"reviews = product.find_element(By.XPATH, ".//span[@class='a-size-base']").textprint(f"名称: {title}")print(f"价格: ${price}")print(f"评论: {reviews}")print("=" * 30)except Exception as e:continuedriver.quit()
四、完整代码汇总
# 请整合以上两个函数并在此调用
if __name__ == "__main__":keyword = "wireless earbuds"scrape_amazon(keyword)
五、常见错误分析
| 错误提示 | 原因 | 解决方案 |
|---|---|---|
selenium.common.exceptions.WebDriverException | 驱动不匹配 | 使用 undetected-chromedriver 自动管理版本 |
| 网页元素找不到 | 页面尚未完全加载 | 加 time.sleep() 或 WebDriverWait |
| 显示“访问过于频繁” | IP 被封 | 更换代理 IP，使用优质高匿代理 |
| 无法设置 Cookie | 页面未打开或未加载完成 | 先访问目标页面，再添加 Cookie |
六、总结与提升
本文以 Amazon 网站为例，讲解了如何通过底层 JS 技巧对抗自动化检测，关键点在于：
- 使用
undetected-chromedriver替代传统 Selenium； - 修改
navigator.webdriver属性隐藏自动化痕迹； - 配合代理、User-Agent 和 Cookie 构建可信环境；
- 页面加载等待 + XPath 精准提取实现结构化采集。