Camoufox 抓取网页实测：浏览器易伪装，代理与时区难匹配

Camoufox 是专为网页抓取而构建的 Firefox 版本，于是我们在 Linux 机器上用一个小型抓取器试了试。紧跟在商品标题之后，它打印出了页面所看到的我们的浏览器信息： Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:156.0) Gecko/20100101 Firefox/156.0 webdriver: False timezone: Africa/Cairo

第一行我们看到的是 Windows 版 Firefox，第二行显示没有自动化标志——我们的 Linux 机器去哪了？这一切都只来自几行 Playwright 代码！

最后一行则讲述了另一个故事。Africa/Cairo 是我们自己机器的时钟，所以在一个美国代理后面，页面会得到一个开罗时钟配一个美国 IP，仅这一处不匹配就足以暴露我们的抓取器。

所以浏览器本身是简单的部分，难的是它周围的一切：代理、GeoIP、指纹和服务器。我们将使用 Camoufox 0.5.8（浏览器构建版本 156.0.1-beta.36）逐一配置这些内容。我们还会看看它在哪里仍然会露馅，以及什么时候远程浏览器是更合适的选择。

Camoufox 是一个用于网页抓取和浏览器 agent 的开源 Firefox 分支。它附带一个使用 Playwright API 的 Python 库。请注意，浏览器代码使用 MPL-2.0 许可证，而 Python 包使用 MIT 许可证。

在指纹方面，Camoufox 不会向页面注入 JavaScript。我们第一次运行时看到的那个 Windows 用户代理是在 Firefox 内部设置的，位于页面自身脚本之下。请注意，Camoufox 指纹页面上列出的 navigator、screen、WebGL、字体、WebRTC、时区和区域设置值也同样如此。对页面来说，它们看起来都是原生的。

我们在浏览器指纹指南中介绍了网站如何读取这些值。

还记得我们第一次运行时的 webdriver: False 吗？Playwright 全程都在驱动那个浏览器，只是没有通过 Chrome 的 CDP。对于 Firefox，Playwright 走的是 Juggler——Firefox 自己的自动化协议。

这正是 Camoufox 的用武之地——它修补了 Juggler，使我们的 Playwright 代码在页面的一个隔离副本上运行，页面自身的脚本看不到这个副本。Chrome 则是另一回事，我们在一篇单独的文章中介绍了 CDP 自动化是如何被检测到的。

让我们看看页面从两次 Camoufox 启动中得到了什么： from camoufox.sync_api import Camoufox check = "[navigator.platform, ${screen.width}x${screen.height}, navigator.hardwareConcurrency]" native = "Object.getOwnPropertyDescriptor(Navigator.prototype, 'platform').get.toString()" for _ in range(2): with Camoufox(headless=True) as browser: page = browser.new_page() page.goto("https://web-scraping.dev/products") print(page.evaluate(check)) print(page.evaluate(native))

这里，我们在两次独立的启动中读取平台、屏幕尺寸和核心数，并打印 platform getter 的源码。运行后输出： ['MacIntel', '1920x1080', 12] function platform() { [native code] ['MacIntel', '2560x1440', 12] function platform() { [native code]

如我们所见，我们的 Linux 机器显示为 Mac，而且 getter 仍然读作 [native code]，因为该值是在 C++ 中设置的。

在两次启动之间，我们的屏幕从 1920x1080 变成了 2560x1440，因为每次启动都会按真实世界流量加权选择一个设备配置文件。我们又启动了 20 次，得到了 14 个 Windows、3 个 macOS 和 3 个 Linux 配置文件。20 次中有 14 次是 Windows，这大致也是真实访客的分布比例。假设一个网站通常有 5% 的访客使用 Linux，那么某一天有 20% 的访客使用 Linux 本身就值得怀疑。

不过核心数保持在我们机器的 12。这是因为在 0.5.8 中，Camoufox() 启动会报告宿主机的核心数，除非传入 pin_cpu_cores=True。

在 0.5.6 版本之前，这些配置文件来自 BrowserForge。从 0.5.7 开始改用 fpgen，其 model-2/2026 模型随 camoufox fetch 一起下载。

话虽如此，Camoufox 并非一直有人维护。它自己的 2026 年状态说明承认「因个人情况导致了一年的维护空档」，而这个空档牺牲了性能，并暴露出新的指纹不一致问题。

0.5.7 和 0.5.8 版本分别于 2026 年 10 月 4 日和 6 日发布，所以开发又重新活跃起来了。不过，README 仍然警告说「它可能不适合稳定的生产环境使用」。

2026 年最佳网页抓取隐身浏览器——一份对 2026 年最佳开源网页抓取隐身浏览器的中立、基于基准的排名，涵盖成功率、速度和维护成本方面的权衡。

如何在 Python 中安装 Camoufox？

Camoufox 分两步安装——先装带有 geoip extra 的 Python 包，然后装浏览器二进制文件。请注意，0.5.8 版本需要 Python 3.10 或更新版本： pip install -U "camoufox[geoip]==0.5.8" python -m camoufox fetch

第一条命令安装 camoufox 0.5.8 以及 Playwright 1.62 和 fpgen 1.3。浏览器来自第二条命令，在我们的 Linux 机器上，其 zip 包大约有 1.3 GB！fetch 耗时 8 分 29 秒，留下了一个 2.4 GB 的浏览器目录。

geoip extra 还附带了一个 115 MB 的 IP 数据库。它叫做「GeoIP AIO」，取代了 MaxMind GeoLite2 文件成为默认选项。fetch 还会安装一个 17 MB 的 uBlock Origin 插件，该插件默认加载。

不幸的是，Python 3.9 不会用错误阻止我们。在那种环境下，pip install camoufox 会悄悄解析到 2025 年 1 月的 0.4.11 版本。这意味着没有 NewContext()，也没有 2026 年的任何指纹和时区修复！

由于 Camoufox 会同时保留多个浏览器构建版本，一次升级可能会在我们不知不觉中改变行为。所以，让我们固定住我们测试过的构建版本： python -m camoufox set official/stable/156.0.1-beta.36 python -m camoufox active

它会打印我们的固定版本和活动构建版本： Pinned: official/stable/156.0.1-beta.36 (installed) official/stable/156.0.1-beta.36 (72637885)

让我们用 version 命令检查所有已安装的内容，它会打印一张状态表： python -m camoufox version

以下是关键部分，路径、哈希和同步时间已裁剪掉： Camoufox v0.5.8

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）