在streetmerchant项目中实现Chromium无头模式下持久化Cookie设置的技术方案
2025-06-07 23:19:30作者:凌朦慧Richard
背景介绍
streetmerchant是一个基于Node.js和Puppeteer的电商商品库存监控工具,它使用Chromium浏览器自动化技术来抓取各大电商网站的商品信息。在实际使用过程中,用户发现某些电商网站(如Newegg)会通过Cookie识别爬虫行为并返回403错误或验证码。
问题分析
经过用户测试发现,当Chromium浏览器设置为"阻止所有Cookie"时,可以有效避免被目标网站识别为爬虫。这是因为:
- 阻止Cookie后网站无法建立用户会话跟踪
- 每次访问都被视为首次访问,降低了触发反爬机制的概率
- 避免了基于Cookie的行为分析
当前streetmerchant的主要限制在于:
- 无法在无头模式下持久化Cookie设置
- 每次启动都会重置浏览器设置
- 现有隐身模式(INCOGNITO)仅阻止第三方Cookie,无法完全禁用所有Cookie
技术解决方案
方案一:使用持久化用户数据目录
通过Puppeteer启动参数配置持久化的用户数据目录,可以保存浏览器设置:
args.push('--user-data-dir=/path/to/profile');
args.push('--disable-dev-profile');
这种方法:
- 创建固定位置的用户配置文件
- 禁用开发人员配置文件(避免设置重置)
- 允许手动配置浏览器设置并保持
方案二:通过Puppeteer API设置Cookie策略
虽然Puppeteer没有直接设置"阻止所有Cookie"的API,但可以通过以下方式间接实现:
- 启动时设置内容设置规则:
await client.send('Network.setCookieBlockingEnabled', {
enabled: true
});
- 或者通过Protocol直接修改内容设置:
await client.send('Browser.setPermission', {
origin: '',
setting: 'block'
});
方案三:拦截和清除网络请求中的Cookie
可以在页面加载前清除所有Cookie:
await page.setRequestInterception(true);
page.on('request', request => {
const headers = request.headers();
delete headers['cookie'];
request.continue({headers});
});
实现建议
对于streetmerchant项目,推荐采用以下改进方案:
-
扩展环境变量配置,增加:
USER_DATA_DIR
:自定义用户数据目录路径BLOCK_ALL_COOKIES
:完全阻止Cookie的开关
-
修改浏览器启动逻辑,根据配置:
- 设置持久化用户目录
- 应用Cookie阻止策略
- 确保无头模式兼容性
-
增加启动时的Cookie清理功能:
const client = await page.target().createCDPSession(); await client.send('Network.clearBrowserCookies'); await client.send('Network.clearBrowserCache');
注意事项
- 不同网站对无Cookie访问的反应不同,需测试调整
- 持久化用户目录会增加磁盘使用
- 完全阻止Cookie可能影响某些网站功能
- 需要平衡反爬规避与合法爬取边界
总结
通过合理配置Chromium的用户数据目录和Cookie策略,可以在streetmerchant项目中实现更稳定的爬取体验。这些技术方案不仅适用于Newegg,也可扩展到其他具有类似反爬机制的电商网站。开发者可以根据实际需求选择最适合的实现方式,或组合多种技术来达到最佳效果。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0289Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp英语课程填空题提示缺失问题分析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp课程中屏幕放大器知识点优化分析4 freeCodeCamp论坛排行榜项目中的错误日志规范要求5 freeCodeCamp音乐播放器项目中的函数调用问题解析6 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析7 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析8 freeCodeCamp课程视频测验中的Tab键导航问题解析9 freeCodeCamp博客页面工作坊中的断言方法优化建议10 freeCodeCamp课程页面空白问题的技术分析与解决方案
最新内容推荐
Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 PANTONE潘通AI色板库:设计师必备的色彩管理利器 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
164
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
952
560

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.01 K
396

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
407
387

React Native鸿蒙化仓库
C++
199
279

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0