Web自動化之Headless Chrome概覽

41202197514發表於2017-07-08

Web自動化

這裡所說的Web自動化是所有跟頁面相關的自動化,比如頁面爬取,資料抓取,頁面內容檢測,頁面功能測試,頁面載入效能測試,頁面迴歸測試等等,當前主要由如下幾種解決方式:

文字資料獲取

這就是各種request庫或者類似curl這樣的工具做的事情,拿到的是頁面的文字,然後進行XML文件解析,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核心來搞的工具。

按照瀏覽器的方式來執行

這就是各種使用瀏覽器核心來實現的工具,比如基於Webkit的PhantomJS, 基於Gecko的SlimerJS, 經過包裝的CasperJS相容PhantomJS和SlimerJS,以及基於v8JS引擎和.net平臺的trifleJS等。這些工具更新迭代跟不上Web標準的發展,新的Web標準無法得到良好的支援。

透過協議直接操作真實瀏覽器

這就是Selenium的實現方式,透過WebDriver協議進行通訊,瀏覽器和瀏覽器驅動都實現了C/S結構的WebDriver協議,Selenium透過瀏覽器的驅動包,來傳送操作請求,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介面在渲染和變化,一方面效率低下,另一方面在服務端環境無法執行。於是就衍生出了使用Xvfb(virtual framebuffer X Server) 來配合實現在伺服器環境下的執行,基本解決了問題。但每一種瀏覽器的特性支援都依賴於相應的驅動的實現和支援情況。

無介面瀏覽器

前面的實現方式都或多或少有自己的問題或者侷限,如果瀏覽器本身支援在服務端環境執行,這將是一個近乎完美的解決思路。Chrome 59開始支援無介面模式,Firefox 55支援Linux版的無介面模式,Firefox 56支援全平臺的無介面模式,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 是一種在無圖形介面環境執行的一種能力,比如高效能的伺服器端環境,參考。

PhantomJS的問題

  • 使用老版本的Webkit,不支援新的Web標準,跟真實瀏覽器存在差異
  • 開發者維護難度大,,起因是Chrome 將支援 Headless模式
  • 要解決的問題多,1800+
  • 記憶體佔用高,併發有問題,不穩定,有些奇奇怪怪的bug

Selenium的問題

  • 使用介面和瀏覽器驅動來操作真實瀏覽器,帶介面渲染,速度慢
  • 需要有圖形介面,顯示裝置的支援
  • 需要使用(virtual framebuffer X Server)
    • X是架構無關的遠端圖形介面和輸入裝置相容的系統,C/S架構
    • 在沒有物理輸入和顯示裝置的機器上執行
    • 這裡可以簡單理解為虛擬顯示器或者顯示器模擬器
  • 也支援Headless實現,實現跟Web標準有差異
  • 透過(WebDriver的Chrome實現)的來操作Chrome,需要依賴ChromeDriver的更新
    • 可以在檢視支援的Chrome版本

Headless Chrome帶來的優勢

  • 資源佔用少(相對於PhantomJS)
  • 服務端環境(命令列,無圖形介面)
  • 支援現代Web標準和技術(ES6,ServiceWorkers,WebGL…)
  • 行為符合Web規範、版本能自動更新
  • Chronium/Chrome團隊維護

Headless Chrome 參考資料

來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/20597700/viewspace-2141738/,如需轉載,請註明出處,否則將追究法律責任。

相關文章