问题：如何实现B站评论自动举报脚本的稳定性与兼容性？

Question

在开发B站评论自动举报脚本时，如何确保脚本在不同浏览器环境（如Chrome、Edge、Firefox）及B站页面结构变更后仍能稳定运行，是一个关键挑战。常见的技术问题包括：页面DOM结构频繁变动导致选择器失效、反爬机制升级引发请求被封、异步加载内容获取失败、用户登录状态维持不稳定等。如何通过动态选择器、请求伪装、异常重试机制和跨浏览器兼容策略来提升脚本的鲁棒性与适应能力，是实现稳定自动举报的核心难点。

Answer 1

一、背景与挑战分析

在开发B站评论自动举报脚本时，目标是实现自动化举报功能，以应对恶意评论、垃圾信息等问题。然而，B站页面结构的频繁变动、浏览器环境的差异以及反爬机制的增强，使得脚本的稳定性和兼容性面临巨大挑战。

• 页面DOM结构变化快，传统静态选择器易失效
• B站反爬机制升级，频繁请求易被封禁
• 评论内容异步加载，脚本难以获取完整数据
• 用户登录状态不稳定，影响举报操作执行

二、关键技术问题与解决方案

为提升脚本鲁棒性，需从多个维度入手，包括动态选择器、请求伪装、异常重试机制、跨浏览器兼容策略等。

问题	技术方案	实现方式
DOM结构变化导致选择器失效	动态选择器 + AI特征识别	使用XPath/CSS选择器组合 + 图像识别辅助定位
反爬机制封禁请求	请求伪装 + 代理池	模拟浏览器行为 + 动态IP切换
异步加载内容获取失败	等待机制 + DOM监听	使用MutationObserver + 显式等待
登录状态不稳定	Cookie持久化 + Token刷新机制	本地存储 + 定时检测并刷新登录凭证

三、动态选择器设计与实现

为应对页面结构频繁变更，脚本应采用动态选择器策略，避免硬编码XPath或CSS选择器。

function getCommentElements() {
    const selectors = [
        '#comment-list > ul > li',
        '.bili-comment-list__item',
        '//div[contains(@class, "comment-list")]/ul/li'
    ];
    for (const sel of selectors) {
        try {
            const elements = document.querySelectorAll(sel);
            if (elements.length > 0) return elements;
        } catch (e) {
            continue;
        }
    }
    return null;
}
    

此外，可以结合图像识别技术（如OCR）辅助定位元素，提升容错能力。

四、请求伪装与反爬对抗策略

为防止请求被封禁，需模拟真实浏览器行为，并使用代理IP轮换。

• 伪造User-Agent、Referer等请求头
• 使用Selenium或Puppeteer模拟浏览器行为
• 集成代理IP池，支持HTTP/HTTPS/SOCKS协议

示例请求伪装代码：

const puppeteer = require('puppeteer');

async function reportComment(commentId) {
    const browser = await puppeteer.launch({
        args: ['--proxy-server=123.45.67.89:8080']
    });
    const page = await browser.newPage();
    await page.setUserAgent('Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36 Edg/120.0.0.0');
    await page.goto('https://www.bilibili.com/video/xxx');
    // 执行举报操作...
    await browser.close();
}
    

五、异常重试机制与状态恢复

为应对网络波动、页面加载失败等情况，脚本应具备自动重试和状态恢复能力。

• 设置最大重试次数与重试间隔
• 记录执行日志，便于失败后恢复
• 使用Promise链或async/await实现流程控制

流程图如下：

graph TD
            A[开始举报流程] --> B{是否成功?}
            B -- 是 --> C[完成举报]
            B -- 否 --> D[重试机制]
            D --> E{是否超过最大重试次数?}
            E -- 否 --> F[继续尝试]
            E -- 是 --> G[记录错误并退出]