使用代理时如何停止NodeJS“请求”模块更改请求

Question

对不起，如果这令人困惑。

我使用 NodeJS 请求模块编写了一个脚本，该模块在网站上运行并执行一个功能，然后返回数据。当我通过将其设置为 false 不使用代理时，此脚本工作得非常好。这不是 Selenium/puppeteer 不允许完成的任务

proxy: false

但是，当我设置（工作）代理时。它无法执行相同的任务，并被网站防火墙/反机器人软件检测到。

proxy: http://xx.xxx.xx.xx:3128

注意事项：

• 我尝试了 许多 (20 多个) 不同的代理提供商（住宅和数据中心），他们都有这个问题
• 如果该代理在我的系统上全局设置，则不会出现此问题
• 如果在 chrome 扩展中设置了该代理，则不会出现此问题
• SSL 密码套件与 Chrome 不匹配，但在不使用代理时它们仍然不匹配，所以我认为这不是问题
• 保持标题顺序的一致性非常重要

问题基本上是。使用代理时，请求模块是否会更改任何内容，例如标头顺序？

这是通过/失败时发生的情况的图像。

唯一的区别是更改导致此失败的代理。一个请求有，一个请求没有。

url    : url,
simple : false,
forever: true,
resolveWithFullResponse: true,
gzip: true,
headers: {
    'Host'             : 'www.sitename.com',
    'Connection'       : 'keep-alive',
    'Upgrade-Insecure-Requests': '1',
    'User-Agent'       : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.109 Safari/537.36',
    'Accept'           : 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
    'Accept-encoding'  : 'gzip, deflate, br',
    'Accept-Language'  : 'en-GB,en-US;q=0.9,en;q=0.8',
},
method : 'GET',
jar: globalJar,
simple: false,
followRedirect: false,
followAllRedirects: false, 

Answer 1

在停用我的旧帐户后，我想回来并给出这个问题的实际答案，现在我完全理解了答案。一年前我问的问题是不可能的，反机器人正在通过 TLS ClientHello 对我进行指纹识别（甚至在 TCP/帧级别上也有一点点）。

首先，我编写了一个名为 request-curl 的包装器，它将 libcurl/curl 二进制文件包装到一个与 request-promise 格式相同的库中，这让我可以更好地控制请求（防止编码、http2/proxy支持和进一步的会话/TLS 控制）这仍然只让我达到了第 687 位最受欢迎的 ClientHello (https://client.tlsfingerprint.io:8443/) 的医学排名。这还不够好。

我不得不改变语言。 NodeJS 是一种高级语言，无法进行真正深入的控制（必须修改从第 3 层发送的数据包）。所以作为我问题的答案。

这在 NodeJS 中还没有可能做到 - 更不用说 now 未维护的 request.js 库了。

对于阅读本文的任何人，如果您想伪造绕过反机器人安全性的完美请求，您必须转向另一种语言：我推荐 Golang 中的 utls 或 c# 中的 BouncyCastle。祝你好运，因为我花了一年时间才真正知道如何做到这一点。即便如此，这些语言还有更多的内部问题和他们不认为的功能（Go 不支持“基本”标题排序，您需要猴子补丁/修改内部等，utls 不容易支持代理）。名单还在继续。

如果你还没有深入进去，那简直就是个兔子洞，我建议你不要进去。

Answer 2

根据请求模块的the proxies documentation：

默认情况下，代理 http 流量时，request 会简单地发出一个标准的代理 http 请求。这是通过使请求的初始行的 url 部分成为端点的完全限定 url 来完成的。

相反，您可以通过设置使用http tunnel：

tunnel : true

在请求模块代理设置中。

在您的情况下，您可能正在发出标准代理 http 请求，而在系统上全局使用代理或 chrome 扩展时，http 隧道已创建。

来自文档：

请注意，当使用隧道代理时，proxy-authorization 标头和自定义 proxyHeaderExclusiveList 中的任何标头永远不会发送到端点服务器，而只会发送到代理服务器。

Answer 3

有一些我能想到的场景

• 代理实际上是在最终请求中添加一些标头（以便向服务器识别您的身份）
• 您尝试访问的网站已将您的代理 IP 列入黑名单（公共/付费？）

这真的取决于你为什么需要使用那个代理

• 是因为网络限制吗？
• 是不是要隐藏原来的请求地址？

另外，如果您可以控制代理服务器，您能否记录向最终服务器发出的请求？

我的建议

尝试编写自己的代理（反向代理）并将其托管在某个地方。不要向https://target.com 请求，而是向您的 http[s]://proxy.com/ 请求并让反向代理完成工作。 另外，请记住在实现中禁用 X 标头，因为它会更改请求标头

node.js 实现参考：

https://github.com/nodejitsu/node-http-proxy

注意：让我知道我在 cmets 中提出的问题

Answer 4

您正在为您的请求使用http-scheme，但是如果网络服务器将http 重定向到https，并且代理服务器未配置为接受重定向（到https），那么问题就来了可能仅与您输入的 URL 相关的方案。

因此必须将代理配置为接受重定向，或者必须在出现故障时手动检查 URL，然后在重定向的情况下进行调整。

您可以在此处阅读有关在一个代理服务器（Apache Traffic Server）上的重定向，其中的场景包括比我上面描述的更多的重定向：
https://docs.trafficserver.apache.org/en/4.2.x/admin/reverse-proxy-http-redirects.en.html#handling-origin-server-redirect-responses

如果您仍然遇到问题，代理服务器的服务器日志会很有帮助。

编辑：
根据他的page@Jannes Botis 链接，还有更多的代理设置可能能够支持或破坏所需的功能，所以整个问题可能与正确配置代理服务器有关。以下是一些与重定向直接相关的设置：

followRedirect - follow HTTP 3xx responses as redirects (default: true). This property can also be implemented as function which gets response object as a single argument and should return true if redirects should continue or false otherwise.
followAllRedirects - follow non-GET HTTP 3xx responses as redirects (default: false)
followOriginalHttpMethod - by default we redirect to HTTP method GET. you can enable this property to redirect to the original HTTP method (default: false)
maxRedirects - the maximum number of redirects to follow (default: 10)
removeRefererHeader - removes the referer header when a redirect happens (default: false). Note: if true, referer header set in the initial request is preserved during redirect chain.

代理服务器的其他设置很可能也会影响您的场景的失败或成功。