如何让机械化请求看起来像是来自真正的眉毛

Question

好的，下面是我在登录帐户时从Live HTTP头获得的头（只是一个示例）信息：

http://example.com/login.html

POST /login.html HTTP/1.1
Host: example.com
User-Agent: Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.2.8) Gecko/20100722 Firefox/3.6.8 GTB7.1 (.NET CLR 3.5.30729)
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
Accept-Language: en-us,en;q=0.5
Accept-Encoding: gzip,deflate
Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7
Keep-Alive: 115
Connection: keep-alive
Referer: http://example.com
Cookie: blahblahblah; blah = blahblah
Content-Type: application/x-www-form-urlencoded
Content-Length: 39
username=shane&password=123456&do=login

HTTP/1.1 200 OK
Date: Sat, 18 Dec 2010 15:41:02 GMT
Server: Apache/2.2.3 (CentOS)
X-Powered-By: PHP/5.2.14
Set-Cookie: blah = blahblah_blah; expires=Sun, 18-Dec-2011 15:41:02 GMT; path=/; domain=.example.com; HttpOnly
Set-Cookie: blah = blahblah; expires=Sun, 18-Dec-2011 15:41:02 GMT; path=/; domain=.example.com; HttpOnly
Set-Cookie: blah = blahblah; expires=Sun, 18-Dec-2011 15:41:02 GMT; path=/; domain=.example.com; HttpOnly
Cache-Control: private, no-cache="set-cookie"
Expires: 0
Pragma: no-cache
Content-Encoding: gzip
Vary: Accept-Encoding
Content-Length: 4135
Keep-Alive: timeout=10, max=100
Connection: Keep-Alive
Content-Type: text/html; charset=UTF-8

通常我会这样编码：

import mechanize
import urllib2

MechBrowser = mechanize.Browser()
LoginUrl = "http://example.com/login.html"
LoginData = "username=shane&password=123456&do=login"
LoginHeader = {"User-Agent": "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.2.8) Gecko/20100722 Firefox/3.6.8 GTB7.1 (.NET CLR 3.5.30729)", "Referer": "http://example.com"}

LoginRequest = urllib2.Request(LoginUrl, LoginData, LoginHeader)
LoginResponse = MechBrowser.open(LoginRequest)

上面的代码运行良好。我的问题是，我是否还需要在LoginHeader中添加以下行（以及前面的标题信息中的更多行）以使它看起来像firefox的冲浪，而不是机械化？

Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
Accept-Language: en-us,en;q=0.5
Accept-Encoding: gzip,deflate
Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7

需要欺骗哪些部分/多少标题信息才能使其看起来“真实”？

Answer 1

下面是如何为mechanize.Browser发出的所有请求设置用户代理的

br = mechanize.Browser()
br.addheaders = [('User-agent', 'your user agent string here')]

机械化也可以填写表格

br.open('http://yoursite.com/login')
br.select_form(nr=1) # select second form in page (0 indexed)
br['username'] = 'yourUserName' # inserts into form field with name 'username'
br['password'] = 'yourPassword'
response = br.submit()
if 'Welcome yourUserName' in response.get_data():
    # login was successful
else:
    # something went wrong
    print response.get_data()

有关详细信息，请参见mechanize examples

Answer 2

如果你偏执于不使用bots/scripts/non-real浏览器，你会寻找类似HTTP请求的顺序，让一个资源使用JavaScript添加。如果该资源没有被请求，或者在JavaScript之前被请求，那么您就知道它是一个“假”浏览器。 您还可以查看每个连接的请求数（保持活动状态），或者简单地验证是否加载了第一页的所有CSS文件（假设它们位于HTML的顶部）。

但它可以变得相当麻烦的模拟，足以使一些“假”浏览器通过一个“真正的”一个（由人类使用）。

Answer 3

这取决于你想“愚弄”什么。您可以尝试使用一些在线服务来执行简单的用户代理嗅探，以衡量您的成功：

http://browserspy.dk/browser.php

http://www.browserscope.org（查找“我们认为您正在使用…”）

http://www.browserscope.org/ua

http://panopticlick.eff.org/->；将帮助您选择一些“太常见而无法跟踪”的选项

http://networking.ringofsaturn.com/Tools/browser.php

我相信一个有决心的程序员可以检测到你的游戏，但是一旦你回显你真正的浏览器发送的内容，很多日志分析器和工具就不会。

您应该考虑的一件事是，缺少JS可能会引发危险信号，因此在禁用JS的情况下捕获发送的头。