dom指纹混淆对headless浏览器基本无效，因playwright等工具执行js后获取真实dom树，可直接通过selector或innertext提取数据，与class名随机化或嵌套无关。
DOM指纹混淆对Headless浏览器基本无效
只要页面最终渲染出可读文本，且未经过Unicode同形字、零宽字符或伪元素拼接等深度混淆，DOM指纹层面的“结构打乱”就拦不住现代爬虫。Playwright、Puppeteer 等工具执行 JS 后拿到的是真实 DOM 树，document.querySelector("span[data-price]") 和 page.inner_text("span[data-price]") 会直接命中——跟 class 名是否随机、嵌套几层 wrapper 完全无关。
哪些DOM结构操作真能干扰基础XPath提取
只有少数几种 DOM 层面的混淆能卡住不带 JS 执行能力的解析器（如 requests + BeautifulSoup），但对 Playwright 类工具效果有限：
- 用
::before/::after伪元素拼关键字段（如价格）：CSS 内容无法被innerText读取，需调用getComputedStyle(el, "::before").content - 把数字拆成多个
<span></span>并插入零宽字符（\u200b）：源码里是"9<u></u>9.<u></u>9"，textContent会保留，但正则/\d+\.\d+/失效 - 用全角数字/字母替换（如
９９．９）：OCR 或人工易错，但需确认目标字体支持显示，否则可能渲染为空格或方框
为什么加一层 display: none 或注释根本没用
这两类操作在 HTML 源码中明文存在，requests.get() 拿到的就是完整响应体：
-
<div style="display:none">99.9</div>→response.text里照常出现，BeautifulSoup 可直接.find(style="display:none") -
<!-- price: 99.9 -->→BeautifulSoup(response.text, "html.parser").find(string=lambda t: "price:" in t)一键提取 - 哪怕藏在
<script type="application/json"></script>里，只要没加密，json.loads()解析后就是裸数据
真正起作用的混淆必须绕过 JS 渲染后提取
DOM 混淆若想对 Playwright/Puppeteer 有效，得让 page.inner_text() 或 page.eval_on_selector() 返回错误值或空值：
- 字段由多个异步加载的
<span id="p1"></span><span id="p2"></span>拼接，且 JS 在setTimeout中写入 → 必须显式wait_for_function等拼接完成 - 用
atob()/eval(unescape())动态解密后赋值 → 需提前 hookwindow.atob或注入解密逻辑 - 关键节点被
removeChild()移除，仅在用户交互（如 hover）时重建 → 要模拟交互再等节点出现
DOM 结构本身不是防线，JS 执行时序和运行时行为才是混淆真正的发力点——这点容易被忽略，但决定你写的 page.wait_for_selector() 是精准命中还是永远超时。
前端入门到VUE实战笔记：立即使用
在学习笔记中，你将探索 前端 的入门与实战技巧！
