Python time random 模拟人类行为 自动刷课

基于2025年平台反爬升级的解决方案（时效性适配）

技术实现核心思路

‌目标‌：通过模拟人类操作（随机间隔、行为轨迹、自然停顿）降低被反爬识别的概率。

分步实现代码（含详细注释）

pythonCopy Code
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver import ActionChains from webdriver_manager.chrome import ChromeDriverManager import time import random import numpy as np  # 配置浏览器参数（规避无头模式特征） options = webdriver.ChromeOptions() options.add_argument("--disable-blink-features=AutomationControlled") options.add_argument("--user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36...")  # 自定义UA options.add_experimental_option("excludeSwitches", ["enable-automation"])  # 隐藏自动化标识  driver = webdriver.Chrome(ChromeDriverManager().install(), options=options)  # 人类行为模拟函数 def human_like_delay(min=2, max=8):     """生成接近人类操作的随机延迟（高斯分布更真实）"""     delay = np.random.normal(loc=(min+max)/2, scale=1.5)     delay = max(min, min(max, delay))  # 限制范围     time.sleep(delay)  def human_like_mouse(element):     """模拟人类鼠标移动轨迹（非线性）"""     action = ActionChains(driver)     action.move_to_element(element).perform()     time.sleep(random.uniform(0.5, 1.2))  # 悬停观察  # 登录流程 driver.get("https://慕课平台登录页") human_like_delay(3, 5)  # 等待页面加载  # 输入账号密码（随机分段输入） username = driver.find_element(By.ID, "username") for char in "your_username":     username.send_keys(char)     time.sleep(random.uniform(0.1, 0.3))  # 模拟打字间隔  human_like_delay(1, 2) password = driver.find_element(By.ID, "password") password.send_keys("your_password")  # 密码快速输入（符合人类习惯）  # 点击登录（带随机偏移点击位置） login_btn = driver.find_element(By.CLASS_NAME, "login-btn") action = ActionChains(driver) action.move_to_element_with_offset(login_btn, random.randint(-5,5), random.randint(-5,5)).click().perform()  # 进入课程页（等待网络请求完成） human_like_delay(8, 15)  # 模拟页面切换思考时间 driver.get("课程页面URL")  # 视频播放自动化 video = driver.find_element(By.CSS_SELECTOR, ".video-container") human_like_mouse(video)  # 模拟鼠标悬停 video.click()  # 随机执行副操作（提升真实性） if random.random() > 0.7:  # 30%概率触发     driver.execute_script("window.scrollBy(0, 200)")  # 滚动页面     human_like_delay(2, 4)     driver.find_element(By.CLASS_NAME, "fake-comment-btn").click()  # 随机点赞/评论  # 心跳维持（模拟观看行为） while True:     time_out = random.randint(180, 300)  # 间隔3-5分钟     time.sleep(time_out)          # 随机触发互动（避免完全静止）     if random.random() > 0.8:         driver.find_element(By.CLASS_NAME, "video-player").click()  # 暂停/播放         human_like_delay(1, 3)          # 检查课程是否完成（根据页面元素判断）     if "已完成" in driver.page_source:         break  driver.quit() 

关键优化点

1. ‌反反爬策略‌

   • ‌浏览器指纹隐藏‌：通过excludeSwitches禁用自动化标识，自定义UA规避检测。
   • ‌非匀速操作‌：使用高斯分布生成延迟时间，比均匀分布更接近真人。

2. ‌行为模拟增强‌

   • ‌分段输入‌：账号逐个字符输入，密码快速输入（符合用户习惯差异）。
   • ‌鼠标轨迹‌：通过ActionChains模拟非线性移动，避免直线定位。
   • ‌随机偏移点击‌：点击按钮时加入位置抖动。

3. ‌副操作干扰‌

   • 随机滚动页面、点赞、评论等非核心操作，干扰行为分析模型。

风险规避建议

1. ‌频率控制‌