手寫 Puppeteer:遠程控制 Chromiu
你是否好奇過 Puppeteer 的遠程控制是怎麼實現的呢?
其實是基於 Chrome DevTools Protocol,它是 chrome devtools 和 chromium 通信的協議,chrome devtools 用它來獲取 chromium 的一些信息,並且還可以控制 chromium 來做一些事情。
你可以在 chrome devtools 裏打開 Protocol Monitor:
然後就可以看到 chrome devtools 和 chromium 通信的所有 CDP 協議數據了:
chrome devtools 裏展示的數據,控制瀏覽器執行一些行爲,都是通過這個實現的,Puppeteer 也同樣是基於這個。
你可以打開 CDP 的文檔看到協議的詳細描述:
它是分爲不同的域的,比如 Page、Browser、Network 等,分區來管理不同的協議。
比如 Page.navigate 可以讓頁面導航到某個 url:
Page.close 可以關閉頁面
Browser.close 可以關閉瀏覽器
Puppeteer 就是基於這些來遠程控制 Chromium 的。
我們來實現一下。
首先,我們手動走下這個流程:
啓動前面下載的 Chromium 瀏覽器,指定啓動參數 --remote-debugging-port 和 --user-data-dir
--remote-debugging-port 就是調試服務的啓動端口,--user-data-dir 是保存用戶數據的地方
用戶數據是指插件、瀏覽記錄、歷史、Cookie、網站數據等所有用戶使用瀏覽器時的數據,指定了 userDataDir,chromium 就會把數據保存在那個目錄:
但這個參數在低版本的 chromium 不支持,所以如果有報錯就用版本高一點的 chromium 來跑,比如我這裏用的是 970501
以調試模式跑起 Chromium 之後,訪問 http://localhost:9929/json/list 就可以看到每個頁面的 ws 服務的信息,可以連上每個頁面進行調試:
比如我再訪問下 baidu 和 juejin,就會多這倆頁面的 ws 調試服務的信息:
我們可以用 http://localhost:9929/json/list 這個頁面是否可以打開來判斷瀏覽器是否以調試模式啓動成功了。
然後你還會發現 /json/new 可以新建一個頁面:
Puppeteer 新建頁面也是這樣實現的。
下面我們把這個流程用代碼來實現一下:
我們先處理下 chromium 的啓動參數,也就是 user-data-dir、remote-debugging-port 等這些:
let browserId = 0;
//用戶數據目錄
const CHROME_PROFILE_PATH = path.resolve(__dirname, '..', '.dev_profile');
class Browser {
constructor(options) {
options = options || {};
++browserId;
this._userDataDir = CHROME_PROFILE_PATH + browserId;
this._remoteDebuggingPort = 9229;
if (typeof options.remoteDebuggingPort === 'number') {
this._remoteDebuggingPort = options.remoteDebuggingPort;
}
this._chromeArguments = [
`--user-data-dir=${this._userDataDir}`,
`--remote-debugging-port=${this._remoteDebuggingPort}`,
];
if (options.headless) {
this._chromeArguments.push(`--headless`);
}
if (typeof options.executablePath === 'string') {
this._chromeExecutable = options.executablePath;
} else {
const chromiumRevision = require('../package.json').puppeteer.chromium_revision;
this._chromeExecutable = Downloader.executablePath(chromiumRevision);
}
if (Array.isArray(options.args))
this._chromeArguments.push(...options.args);
this._chromeProcess = null;
}
}
這段邏輯就是 Browser 的啓動參數的處理,包括啓動路徑 _chromeExecutable,啓動參數 user-data-dir 的路徑、headless、remote-debugging-port。
啓動參數有了,接下來就是啓動 Chromium 了:
const childProcess = require('child_process');
const removeRecursive = require('rimraf').sync;
async launch() {
if (this._chromeProcess)
return;
this._chromeProcess = childProcess.spawn(this._chromeExecutable, this._chromeArguments, {});
process.on('exit', () => this._chromeProcess.kill());
this._chromeProcess.on('exit', () => removeRecursive(this._userDataDir));
}
啓動 chromium 就是通過 childProcess 以子進程的方式啓動,並且在它退出的時候遞歸刪除下用戶數據目錄。
這裏的 rimraf 是第三方的包,node 只提供了刪除單個文件或目錄的 api fs.unlink,不支持遞歸刪除。
這樣就通過代碼的方式把我們手動啓動瀏覽器的步驟給自動化了。
CDP 協議只有以調試模式啓動 Chromium 的時候才能生效,所以我們要保證它是啓在調試模式的,也就是訪問下 http://localhost:9929/json/list 是有數據的:
所以要加一段這樣的邏輯:
function waitForChromeResponsive(remoteDebuggingPort) {
var resolve;
const promise = new Promise(x => resolve = x);
const options = {
method: 'GET',
host: 'localhost',
port: remoteDebuggingPort,
path: '/json/list'
};
sendRequest();
return promise;
function sendRequest() {
const req = http.request(options, res => {
resolve ()
});
req.on('error', e => setTimeout(sendRequest, 100));
req.end();
}
}
就是訪問下這個 url,如果成功就 resolve promise,否則定時重試。
經過這個驗證之後,之後就可以通過 CDP 來和 chromium 通信了。
這個方法我們可以把它叫做 _ensureChromeIsRunning,確保 chrome 在調試模式運行的方法:
async launch() {
await this._ensureChromeIsRunning();
}
async _ensureChromeIsRunning() {
if (this._chromeProcess)
return;
this._chromeProcess = childProcess.spawn(this._chromeExecutable, this._chromeArguments, {});
process.on('exit', () => this._chromeProcess.kill());
this._chromeProcess.on('exit', () => removeRecursive(this._userDataDir));
await waitForChromeResponsive(this._remoteDebuggingPort);
}
之後就開始通過 CDP 控制瀏覽器。
這個 CDP 的 WebSocket 通信過程也不用我們自己搞,chrome 提供了一個 chrome-remote-interface 的包。
比如我們可以用它新建一個頁面:
const CDP = require('chrome-remote-interface');
async newPage() {
await this._ensureChromeIsRunning();
if (!this._chromeProcess || this._chromeProcess.killed) {
throw new Error('ERROR: this chrome instance is not alive any more!');
}
const tab = await CDP.New({port: this._remoteDebuggingPort});
}
跑起來確實可以看到 chromium 新建了一個頁面,這就是我們實現的第一個遠程控制效果!(原理就是訪問 /json/new)
接下來進行更多的 page 的控制,Page 級別的控制我們單獨封裝一下,放到 Page 的類裏:
class Page{
static async create(browser, client) {
await client.send('Page.enable', {});
const page = new Page(browser, client);
return page;
}
constructor(browser, client) {
this._browser = browser;
this._client = client;
}
}
需要傳入瀏覽器實例和 CDP 客戶端。
所以在 Browser 的 newPage 方法裏就創建個 page 的對象返回,之後的控制都交給它:
const CDP = require('chrome-remote-interface');
async newPage() {
await this._ensureChromeIsRunning();
if (!this._chromeProcess || this._chromeProcess.killed) {
throw new Error('ERROR: this chrome instance is not alive any more!');
}
const tab = await CDP.New({port: this._remoteDebuggingPort});
const client = await CDP({tab: tab, port: this._remoteDebuggingPort});
const page = await Page.create(this, client);
page[this._tabSymbol] = tab;
return page;
}
CDP 傳入 port 參數和 tab 參數,那連接的就是這個 tab 頁面的 ws 調試服務,也就是我們在 /json/list 裏看到的那個:
之後開始做一些頁面級別的控制:
CDP 每個域的使用都要先開啓下,創建 Page 對象的時候我們已經開啓了 Page 域的協議:
然後實現個 navigate 方法:
async navigate(url) {
var loadPromise = new Promise(resolve => this._client.once('Page.loadEventFired', resolve)).then(() => true);
await this._client.send('Page.navigate', {url});
return await loadPromise;
}
通過 CDP 協議裏的 Page.navigate 來導航到某個 url,在 Page.loadEventFired 的時候 resolve。
然後再實現個 setContent 方法:
async setContent(html) {
var resourceTree = await this._client.send('Page.getResourceTree', {});
await this._client.send('Page.setDocumentContent', {
frameId: resourceTree.frameTree.frame.id,
html: html
});
}
這個是設置 Page 的 html 內容的 CDP 協議,需要傳入 frameId,這個可以通過 Page.getResourceTree 拿到。
最後我們再去 Browser 那裏實現倆方法,之後再一起測試。
加一個 version 方法,用於獲取瀏覽器版本:
async version() {
await this._ensureChromeIsRunning();
const version = await CDP.Version({port: this._remoteDebuggingPort});
return version.Browser;
}
加一個 close 方法用於關閉瀏覽器:
close() {
if (!this._chromeProcess)
return;
this._chromeProcess.kill();
}
至此,全部搞定之後,我們整體來調用一下:
const Browser = require('./lib/Browser');
const browser = new Browser({
remoteDebuggingPort: 9229,
headless: false
});
function delay(time) {
return new Promise((resolve => setTimeout(resolve, time)))
}
(async function() {
await browser.launch();
const page = await browser.newPage();
await page.navigate('https://www.baidu.com');
await delay(2000);
const version = await browser.version();
await page.setContent(`<h1 style="font-size:50px">hello, ${version}</h1>`);
await delay(2000);
await page.close();
await delay(1000);
await browser.close();
})()
我們創建了一個 Browser,傳入啓動參數,然後把它跑起來,之後創建了個新頁面,導航到 baidu,2s 後修改了內容,再 2s 關閉頁面,之後再 1s 關閉瀏覽器。
我們跑一下試試:
可以看到,Chromium 正確執行了我們寫的腳本!
至此,我們實現了 Puppeteer 的基本功能(代碼和上集同一個倉庫)。
總結
這一集我們實現了啓動 Chromium 並遠程控制。
Chromium 指定 remote-debugging-port 的參數的時候就會以調試模式來跑,如果可以通過 http://localhost:9229/json/list 拿到調試的數據就證明啓動成功了。
之後可以通過 /json/new 創建新頁面,再通過 CDP 協議來進行頁面級別的控制,這就是 Puppeteer 遠程控制的原理。
我們實現了瀏覽器的打開、關閉、查看版本號,頁面的新建、導航、設置內容等功能。
這已經有 Puppeteer 的雛形了,下一集我們實現更多的遠程控制功能。
本文由 Readfog 進行 AMP 轉碼,版權歸原作者所有。
來源:https://mp.weixin.qq.com/s/9YKQcxtsneW2LzaddKim9Q