为防采集，目前有哪些 js 检测 headless 浏览器的方法？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2190 天前的主题，其中的信息可能已经有所发展或是发生改变。

后端防采集感觉已经不行了，稍微猛一点会把可爱的搜索引擎爬虫误伤了，准备采用前端 js 生成 token 后端验证来防采集，现在就是想把所有的 headless 浏览器给 ban 掉，有没有最全的方法检测 headless 浏览器的特征？

headless

浏览器

采集

token

13 条回复 • 2018-11-27 22:49:47 +08:00

photon006

2018-11-27 11:33:53 +08:00

用户行为分析？
找一些 headless 特征作为样本，训练一个神经网络来识别？

linhua

2018-11-27 11:40:09 +08:00

IT IS *NOT* POSSIBLE TO DETECT AND BLOCK CHROME HEADLESS
https://intoli.com/blog/not-possible-to-block-chrome-headless/

orangeChar

2018-11-27 12:04:07 +08:00

我现在正在用 webdriver 操控 ie 浏览器写脚本这个不是 Headless 奥怎么防验证码接入打码平台滑动验证码都能解决怎么防老铁 ?

glacer

2018-11-27 12:10:03 +08:00

不存在完美的反爬虫措施，只要爬虫想绕过反爬必然是有办法的。
简单的反 headless 爬虫，以 puppeteer 为例，可设置检查 navigator.webdriver 值

glacer

2018-11-27 12:10:30 +08:00

@glacer 更靠谱的还是埋点做行为分析

luozic

2018-11-27 12:12:37 +08:00 via iPhone

行为分析，哪有人每个链接都看的，还是更新了就天天看

des

2018-11-27 12:12:39 +08:00 via Android

收集 vps 网段，全封了

meso5533

2018-11-27 12:19:50 +08:00 via Android

去观察常见的 headless 的 navigator 和 window 对象的属性，是有一些特征的

napsterwu

2018-11-27 12:21:00 +08:00 via iPhone

想问一下 headless 浏览器是除了渲染页面以外都可以做吗？之前有见过在 js 里面设置 Cookie，这样可以隔绝掉没有执行能力和没有 CookieStore 的客户端。

agagega

2018-11-27 13:03:23 +08:00

@napsterwu 应该是也能渲染的，我还见过用 headless 浏览器渲染页面截图用来做前端测试的

sunchen

2018-11-27 13:28:32 +08:00

点评和美团的网站下边都有一个 xohr.js 的文件，你看看能了解到一部分

nonoroazoro

2018-11-27 17:39:54 +08:00

只要 headless 做的足够完善，想要在内部检测理论上不可能。

Sparetire

2018-11-27 22:49:47 +08:00

如楼上所说理论上是不可能, 不过正巧前几天也有这个需求, 搜集了些写了个库 https://github.com/ta7sudan/secan, 对付小白应该够用