Web自動化之Headless Chrome概覽


Web自動化

這里所說的Web自動化是所有跟頁面相關的自動化,比如頁面爬取,數據抓取,頁面內容檢測,頁面功能測試,頁面加載性能測試,頁面回歸測試等等,當前主要由如下幾種解決方式:

文本數據獲取

這就是各種request庫或者類似curl這樣的工具做的事情,拿到的是頁面的文本,然后進行XML文檔解析,獲得相應的內容。但如果頁面有一些動態執行的內容,比如JavaScript生成跳轉URL,這樣就搞不定了,需要有JS引擎的工具來搞,比如再配合JS引擎自行實現的工具,或者直接使用瀏覽器內核來搞的工具。

按照瀏覽器的方式來執行

這就是各種使用瀏覽器內核來實現的工具,比如基於WebkitPhantomJS, 基於GeckoSlimerJS, 經過包裝的CasperJS兼容PhantomJSSlimerJS,以及基於v8JS引擎和.net平台的trifleJS等。這些工具更新迭代跟不上Web標准的發展,新的Web標准無法得到良好的支持。

通過協議直接操作真實瀏覽器

這就是Selenium的實現方式,通過WebDriver協議進行通信,瀏覽器和瀏覽器驅動都實現了C/S結構的WebDriver協議,Selenium通過瀏覽器的驅動包,來發送操作請求,瀏覽器根據請求響應相應的操作。這樣實現有一個問題是始終有一個真實瀏覽器的界面在渲染和變化,一方面效率低下,另一方面在服務端環境無法運行。於是就衍生出了使用Xvfb(virtual framebuffer X Server) 來配合實現在服務器環境下的運行,基本解決了問題。但每一種瀏覽器的特性支持都依賴於相應的驅動的實現和支持情況。

無界面瀏覽器

前面的實現方式都或多或少有自己的問題或者局限,如果瀏覽器本身支持在服務端環境運行,這將是一個近乎完美的解決思路。Chrome 59開始支持無界面模式,Firefox 55支持Linux版的無界面模式,Firefox 56支持全平台的無界面模式,這樣一來,使用方不用被動等待瀏覽器的WebDriver的實現。

Headless Chrome相關的對比

Headless 是一種在無圖形界面環境運行的一種能力,比如高性能的服務器端環境,參考Healess Software

PhantomJS的問題

  • 使用老版本的Webkit,不支持新的Web標准,跟真實瀏覽器存在差異
  • 開發者維護難度大,主要維護者不干了,起因是Chrome 將支持 Headless模式
  • 要解決的問題多,1800+
  • 內存占用高,並發有問題,不穩定,有些奇奇怪怪的bug

Selenium的問題

  • 使用WebDriver接口和瀏覽器驅動來操作真實瀏覽器,帶界面渲染,速度慢
  • 需要有圖形界面,顯示設備的支持
  • 需要使用Xvfb(virtual framebuffer X Server)
    • X是架構無關的遠程圖形界面和輸入設備兼容的系統,C/S架構
    • 在沒有物理輸入和顯示設備的機器上運行
    • 這里可以簡單理解為虛擬顯示器或者顯示器模擬器
  • 也支持Headless實現,實現跟Web標准有差異
  • 通過ChromeDriver(WebDriver的Chrome實現)的來操作Chrome,需要依賴ChromeDriver的更新

Headless Chrome帶來的優勢

  • 資源占用少(相對於PhantomJS)
  • 服務端環境(命令行,無圖形界面)
  • 支持現代Web標准和技術(ES6,ServiceWorkers,WebGL...)
  • 行為符合Web規范、版本能自動更新
  • Chronium/Chrome團隊維護

Headless Chrome 參考資料


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM