[!info] related notes

• 所属 MOC: JavaScript in Browser MOC
• 相关 Snippet: LINUX DO 论坛安全自动阅读脚本
• 前置概念: DOM 树设计, 事件监听与触发

浏览器脚本自动化与行为模拟

在现代 Web 交互中，浏览器脚本自动化（通常通过浏览器控制台 Console 或用户脚本管理器如 Tampermonkey / Violentmonkey 运行）常用于批量操作或重复任务。然而，多数高频请求和机械化行为会被服务端的防御系统（如 Rate Limiting 速率限制、防爬虫检测）拦截，导致 429 Too Many Requests 等报错。

为了实现安全稳定的自动化，必须设计**“人类行为模拟”和“DOM 实时感知”**的协同架构。

---

核心机制与原理

1. DOM 实时感知 (DOM Sensing)

自动化脚本的第一步是准确提取页面中的目标元素并判断其状态。与静态爬虫不同，浏览器脚本可以直接利用宿主环境中的活体 DOM 树进行检测和控制。

• 动态选择器路由：脚本需要具备备用选择路径。例如，在 Discourse 社区架构中，未读帖子带有特定的类名（如 .topic-list-item.unread 或 .topic-list-item.new-topic）。脚本应优先提取高价值的目标元素，在不存在这些元素时，再降级回普通元素（.topic-list-item），从而提高效率。
• 状态区分与过滤：
  • 基于 DOM 类名：直接检测特定状态标示的 HTML 结构。
  • 基于 CSS 状态/链接属性：浏览器中未访问与已访问的链接在 DOM 中是相同的 <a> 标签，但在渲染层存在 :visited 伪类。脚本虽然由于安全限制（如 getComputedStyle 的隐私防御）无法直接读取 :visited，但可以通过存储已访问 URL 历史或读取 DOM 旁侧的“最后回复时间”、“阅读计数”等关联属性来辅助去重。

2. 人类行为模拟 (Human Simulation)

服务端判定“机器人行为”的主要依据是请求时间差的确定性与物理交互 of 缺失。

• 随机延时 (Random Delays)：

  • 避免使用固定的 setInterval 或统一的延迟参数。

  • 采用基于随机分布的延时策略：

    $$

\text{stayTime} = \text{random}() \times (\text{MAX_STAY} - \text{MIN_STAY}) + \text{MIN_STAY}

$$

• 将关键停留时间设在安全阈值以上。例如，Discourse 系统对“有效阅读时间（timings 接口记录）”有时间检测，极速进出会被判定为无效或机器人，设定 $20,\text{s} \sim 45,\text{s}$ 的随机停留是比较稳妥的人类阅读阈值。
• 平滑滚动 (Smooth Scrolling)：
  • 避免使用瞬间位移的滚动（如直接修改 window.scrollY），这在物理特征上极不自然。
  • 使用浏览器内置的平滑滚动 API：

    window.scrollBy({ top: distance, behavior: 'smooth' });

• 分段异步滚动 (Segmented Scrolling)：
  • 模拟人类在浏览长文时“看一段、滑一下”的行为。
  • 将滚动总次数、单次滚动距离和滚动间隔全部随机化。例如，一篇文章随机滚动 $3 \sim 7$ 次，每次间隔 $2 \sim 5$ 秒，单次滚动 $200 \sim 600$ 像素。分段滚动还能多次触发页面中的 timings 数据发送接口，确保阅读进度被完整、真实地同步给服务器。

sequenceDiagram
    participant B as Browser Console / UserScript
    participant D as DOM (Page)
    participant S as Server
    Note over B,D: 1. DOM 实时感知与目标选择
    B->>D: querySelectorAll('.unread, .new-topic')
    D-->>B: 返回目标帖子链接列表
    Note over B,D: 2. 模拟点击与页面加载
    B->>D: targetPost.click()
    Note over B,D: 延迟 2.5s 等待页面初始渲染
    loop 随机分段滚动 (3-7 次，每 2-5s 一次)
        B->>D: window.scrollBy({top, behavior: 'smooth'})
    end
    Note over B,S: 3. 模拟深度阅读 (停留 20s - 45s)
    B->>D: window.history.back()
    Note over B,S: 4. 返回冷却 (随机等待 3s - 8s)
    B->>D: 重新触发 start() 循环

---

封控防范与容灾策略

1. 处理 429 报错与冷却期

• 指数退避与冷却：当脚本检测到接口返回 429 Too Many Requests，或者发现页面未正常加载时，必须立即暂停所有自动行为。429 是有服务器封禁惩罚期的，强行重试会成倍延长封禁时间。脚本应设计长达 10 分钟以上的静默冷却期。

2. 浏览器挂起机制与窗口可见性 (Visibility API)

• 后台限制 (Tab Freezing)：现代浏览器（Chrome、Edge 等）为了节省能耗和 CPU，会主动限制或挂起后台标签页中的定时器（setTimeout / setInterval 可能会被限制到每秒仅触发一次甚至完全冻结）。
• 保活对策：
  1. 保持运行窗口在前台可见状态（可将其缩为小窗口放置在屏幕边缘）。
  2. 使用 Web Workers 或 requestAnimationFrame 规避后台定时器被极度压制的问题。

---

边界与易混淆点

• Console 控制台上下文丢失：
  • 在控制台（F12）直接粘贴运行的脚本，如果在页面内发生了 window.location 级别的硬跳转（或刷新），控制台的 JavaScript 上下文会被彻底销毁，脚本会中断执行。
  • 规避方案：Discourse 这类单页面应用（SPA）中，点击链接通常是通过 history API 进行前端路由跳转，控制台上下文可以保留；但若触发了硬页面刷新，则必须使用 Tampermonkey 等 Userscript 工具，让脚本匹配 URL 并在加载时自动重新运行。
• 页面结构变动风险：
  • 网页的 CSS 类名和 DOM 树结构属于不稳定契约。若网站更新了前端框架或重命名了类名，脚本的 querySelector 会失效，导致脚本挂起或反复滚动空页面。
  • 规避方案：设计鲁棒性判断逻辑，当获取的元素为空或操作无响应时，增加异常捕获 and 页面重载机制。