使用 selenium 和 Tor 旋转 IP

Question

我有一个用于抓取特定 HTTP 请求的 selenium 配置，仅当我单击网站的特定 REACT 元素时才会发送此请求。 这就是我使用硒的原因……找不到其他方法。

每次我想抓取这个特定的 HTTP 请求时，我都必须更新我的 IP。 为此，我使用 Tor。 当我启动我的 python 脚本时，它运行得很好，Tor 设置了一个新的 ip 并抓取了我想要的东西。 我在我的脚本中添加了一个 try/catch，如果我的脚本第一次不能工作，它会重试 10 次。

问题是当我的脚本再试一次时，IP 不能再旋转了....

如何实现这一目标？

import time
from random import randint
from time import sleep
import os
import subprocess
from selenium.webdriver.firefox.firefox_profile import FirefoxProfile
from seleniumwire import webdriver
from selenium.webdriver.firefox.options import Options
from fake_useragent import UserAgent



options_wire = {
    'proxy': {
        'http': 'http://localhost:8088',
        'https': 'https://localhost:8088',
        'no_proxy': ''
    }
}

def firefox_init():
    os.system("killall tor")
    time.sleep(1)
    ua = UserAgent()
    user_agent = ua.random
    subprocess.Popen(("tor --HTTPTunnelPort 8088"),shell=True)
    time.sleep(2)
    return user_agent


def profile_firefox():
    profile = FirefoxProfile()
    profile.set_preference('permissions.default.image', 2)
    profile.set_preference('dom.ipc.plugins.enabled.libflashplayer.so', 'false')
    profile.set_preference("general.useragent.override", firefox_init())
    profile.set_preference("driver.privatebrowsing.autostart", True)
    profile.update_preferences()
    return profile



def options_firefox():
    options = Options()
    options.headless = False
    return options


def firefox_closing(driver):
    driver.quit()
    time.sleep(3)
    os.system('killall tor')
      


def headless(url):
    for x in range(0, 10):
        profile = profile_firefox()
        options = options_firefox()
        driver = webdriver.Firefox(seleniumwire_options=options_wire,firefox_profile=profile, options=options, executable_path='******/headless_browser/geckodriver')
        driver.set_window_position(0, 0)
        driver.set_window_size(randint(1024, 2060), randint(1024, 4100))
        # time.sleep(randint(3,10))
        driver.get(url)
        time.sleep(randint(3,8))
        try:
            if driver.find_element_by_xpath("//*[@id=\"*******\"]/main/div/div/div[1]/div[2]/form/div/div[2]/div[1]/button"):
                # driver.find_element_by_xpath("//*[@id=\"*******\"]/main/div/div/div[1]/div[2]/form/div/div[2]/div[1]/button").click()
                # time.sleep(randint(8,10))
                driver.find_element_by_xpath("//*[@id=\"*******\"]/main/div/div/div[1]/div[2]/form/div/div[2]/div[1]/button").click()
                time.sleep(randint(3,6))
                for request in driver.requests:
                    if request.path == "https://api.*********.***/*******/*********":
                        request_api = request
                        raw = str(request_api.body)
                        request_api = raw.split(('b\''))
                        payload_raw = request_api[1]
                        payload = payload_raw[:-1]
                        if payload:
                            header = request.headers
                            print(header, payload)
                            break
                else:
                    continue
                break
    
        except:
            firefox_closing(driver)
            time.sleep(5)
        finally:
            firefox_closing(driver)

            
    return header, payload


url="https://check.torproject.org/?lang=fr"
headless(url)

谢谢

Answer 1

好吧，我不可能知道它是如何不更新 IP 地址的，因为你杀死了 tor 进程。 即使您将 Tor 作为服务放在 Systemd 中，它肯定会在您重新启动服务时更新。 但我可能会给你一些指导：

• 在假代理模块上，尝试禁用缓存以避免在 /tmp 目录中缓存或使用托管缓存服务器：

    ua = UserAgent(cache=False, use_cache_server=False)

• 将 Tor 放在 systemd 上并避免使用 os.system()，它不安全，而且当您直接在脚本上输入系统命令时，它容易出现许多缺陷。 使用服务文件，您可能只需重新启动服务即可更新您的 IP 地址。 您可能希望使用 Arch Linux Wiki 参考在此处配置您自己的 TOR 环境！

Answer 2

所以为了实现这一点，我使用了其他代理，selenium-wire 非常好，但需要修复。

我已经使用 Browsermob 代理并设置了一个上游代理来使用。 结果是您可以捕获每个 HTTP 请求或响应解析它并且每次都轮换 ip 并使用 HTTPTunnelPort 配置。

    proxy_params = {'httpProxy': 'localhost:8088', 'httpsProxy': 'localhost:8088'}
    proxy_b = server.create_proxy(params=proxy_params)

谢谢