【自動化】使用PlayWright+代理IP實現多環境隔離

青塬科技發表於2024-03-04

Playwright是由微軟公司2020年初發布的新一代自動化測試工具，相較於目前最常用的Selenium，它僅用一個API即可自動執行Chromium、Firefox、WebKit等主流瀏覽器自動化操作。

對各種開發語言也有非常好的支援。常用的NodeJs、Java、python都有支援，且有豐富的文件參考。

Python環境下的安裝使用

1、安裝依賴庫
pip install playwright

2、安裝瀏覽器驅動檔案
安裝好依賴庫之後，會自動註冊全域性命令。下面2種方式都可以快速安裝驅動檔案（驅動就是內建的瀏覽器）
python -m playwright install
或者：
playwright install

如果命令是python3，替換為pip3 install 和python3 -m 即可。

網上有非常多的教程。安裝並非本文的重點。

多環境隔離的應用場景

常見的如爬蟲，可能需要使用代理IP隔離開不同的瀏覽器進行資料抓取。

像另一些需要多號操作的營銷內容，也需要多個瀏覽器互相隔離開。更高要求的才會使用代理+隔離的方式。

產生完全不一樣的瀏覽器環境。比如大量的號去做不同的事。

還有很多常用的場景。獨立乾淨的瀏覽器環境+Playwright的自動化。可以實現非常多的有趣的應用。

Playwright啟動瀏覽器有幾種模式。我們需要先進行了解。

1、普通的無痕模式，用完即銷燬。這種方式下，瀏覽器的歷史記錄之類的不會儲存。適合用於爬蟲性的工作。

程式碼大致是這樣的。

browser = pw.chromium.launch(headless=headless, proxy=my_proxy,
                                         ignore_default_args=ignore_args,
                                 args=default_args)

browserContext = browser.new_context(user_agent=userAgent, storage_state=storage_state)

可以指定UserAgent，這是我們模擬不同作業系統和瀏覽器資料的必填項。
也可以指定headless無頭模式，這樣瀏覽器不會有介面出現。背後去工作。

2、普通的持久模式，需要指定使用者的資料目錄。實現資料的隔離。
比如1號瀏覽器存到data1，2號存到data2，資料不會衝突，各幹各的事，可以同時登陸一個網站的多個賬號，互不影響。

不方便的地方在於，每次執行完任務，瀏覽器會隨著程式關閉而關閉。

copy一段網上的示例

# 獲取 google chrome 的本地快取檔案
USER_DIR_PATH = f"C:\\Users\\{getpass.getuser()}\\AppData\Local\Google\Chrome\\User Data"

with sync_playwright() as p:
    browser = p.chromium.launch_persistent_context(
                        # 指定本機使用者快取地址，這是隔離環境的主要點，指定不同的目錄存放使用者的資料。
                        user_data_dir=USER_DIR_PATH,
                        # 接收下載事件，允許下載需要
                        accept_downloads=True,
                        # 設定 GUI 模式，可以看到瀏覽器介面
                        headless=False,
                        bypass_csp=True,
                        slow_mo=1000,
                        channel="chrome",
                    )

    page = browser.new_page()
    page.goto("https://www.cnblogs.com/yoyoketang")

    page.pause()

3、直連繫統的Chrome。如果系統有Chrome瀏覽器，playwright可以直接連線，並進行操作。但是需要做一些配置。

這也是我目前用得最多的模式。

核心的原理就是使用CDP連線上Chrome。需要開啟Chrome時，指定一個除錯埠，供我們遠端連線上去使用。

官方提供的具體函式是
pw.chromium.connect_over_cdp(cdp_url, timeout=0)

優點在於：
指令碼和瀏覽器分離。指令碼開不開，瀏覽器都不影響。只是需要自動化的時候，指令碼才去工作。

缺點：
就是配置略麻煩。好在封裝好之後，就是一次的麻煩，後面也會比較順暢。

如何封裝屬於自己的快速啟動類，python和java都可以，下次再聊。

下面以Chrome瀏覽器+動態代理為例構建多個不同的環境

由於Chrome自帶的proxy 代理功能並不支援帶賬號密碼的代理方式。
而我們採購的代理，肯定都是有賬號密碼的。

所以核心點是新增一個外掛，配置上代理，能支援http和socks5的代理，並支援賬號密碼進行連線。

然後再透過python，呼叫系統的瀏覽器，產生不同的環境，使用不同的代理IP。就能達到目標。

直接上圖
file

沒有好用的收費代理，本地模擬了一個HK節點的代理。

可以看到4個瀏覽器的指紋已經不一樣了。配合上代理，就是乾淨的環境了。

核心的邏輯在於啟用不同的DataDir使用者資料目錄，加個獨立的代理外掛來支援http和socks5的代理，

1、核心1，使用python來快速啟動Chrome

if sys.platform.startswith('linux'):  # Linux
    exe_name = 'chrome'
    extParam.append('--no-sandbox')
elif sys.platform.startswith('win'):  # Windows
    win_path = 'C:\Program Files\Google\Chrome\Application\chrome.exe'
    exe_name = win_path if os.path.exists(win_path) else 'chrome.exe'
elif sys.platform.startswith('darwin'):  # Mac
    exe_name = '/Applications/Google Chrome.app/Contents/MacOS/Google Chrome'
    extParam.append('--no-sandbox')

# 啟用UA
if config.get('user_agent'):
    extParam.append(fr'--user-agent="{config.get("user_agent")}"')

# 啟用無痕
if config.get('incognito'):
    extParam.append('--incognito')

# 無開屏
if config.get('no_window'):
    extParam.append('--no-startup-window')
        
command = fr'"{exe_name}" --remote-debugging-port={port} --user-data-dir="{data_dir}" --no-sandbox --disable-gpu --disable-software-rasterize --disable-background-networking --disable-background-mode --disable-sync --disable-blink-features=AutomationControlled --disable-client-side-phishing-detection --disable-default-apps --disable-desktop-notifications --disable-hang-monitor --disable-infobars --disable-notifications --disable-plugins-discovery --no-first-run --dns-prefetch-disable --ignore-certificate-errors --allow-running-insecure-content --test-type --origin-trial-disabled-features=WebGPU --no-default-browser-check --no-service-autorun --disable-popup-blocking --password-store=basic --disable-web-security --disable-dev-shm-usage --disable-component-update --disable-features=RendererCodeIntegrity --disable-features=FlashDeprecationWarning,EnablePasswordsAccountStorage {" ".join(extParam)}'

os.popen(command)

還有不少程式碼，就不往上面貼了。

2、核心點2，動態載入外掛進不同的Chrome環境，各用各的代理。

def create_proxyauth_extension(proxy_host, proxy_port,
                               proxy_username, proxy_password,
                               scheme='http', plugin_dir=None):
    """
    代理認證外掛，返回代理外掛的地址
    Chrome使用帶賬號密碼的代理IP
    外掛來源：https://github.com/henices/Chrome-proxy-helper
    參考：https://ask.hellobi.com/blog/cuiqingcai/10307#articleHeader5
    https://my.oschina.net/sunboy2050/blog/1858508
    https://github.com/aneasystone/selenium-test/blob/master/08-proxy-with-password.py
    https://developer.chrome.com/extensions/proxy
    args:
        proxy_host (str): 你的代理地址或者域名（str型別）
        proxy_port (int): 代理埠號（int型別）
        proxy_username (str):使用者名稱（字串）
        proxy_password (str): 密碼 （字串）
    kwargs:
        scheme (str): 代理方式 預設http
        plugin_dir (str): 擴充套件的目錄路徑

    return str -> plugin_path
    """

    # 外掛目錄
    if not plugin_dir:
        plugin_dir = os.path.join(get_data_dir('chrome_plugin'), f'custom_proxyauth_plugin')
    if not os.path.exists(plugin_dir):
        os.makedirs(plugin_dir)

    # 生成的Zip檔案地址
    plugin_file = os.path.join(plugin_dir, f"proxy_plugin_{proxy_host}_{proxy_port}.zip")
    # 舊檔案清理掉
    if os.path.exists(plugin_file):
        os.remove(plugin_file)

    manifest_json = """
    {
        "version": "1.0.0",
        "manifest_version": 2,
        "name": "Chrome Proxy",
        "permissions": [
            "proxy",
            "tabs",
            "unlimitedStorage",
            "storage",
            "<all_urls>",
            "webRequest",
            "webRequestBlocking"
        ],
        "background": {
            "scripts": ["background.js"]
        },
        "minimum_chrome_version":"22.0.0"
    }
    """

    background_js = string.Template(
        """
        var config = {
                mode: "fixed_servers",
                pacScript: {},
                rules: {
                  singleProxy: {
                    scheme: "${scheme}",
                    host: "${host}",
                    port: ${port}
                  },
                  bypassList: ["foobar.com"]
                }
              };

        chrome.proxy.settings.set({value: config, scope: "regular"}, function() {});

        function callbackFn(details) {
            return {
                authCredentials: {
                    username: "${username}",
                    password: "${password}"
                }
            };
        }

        chrome.webRequest.onAuthRequired.addListener(
                    callbackFn,
                    {urls: ["<all_urls>"]},
                    ['blocking']
        );
        """
    ).substitute(
        host=proxy_host,
        port=proxy_port,
        username=proxy_username,
        password=proxy_password,
        scheme=scheme,
    )

    # 先寫ZIP
    with zipfile.ZipFile(plugin_file, 'w') as zp:
        zp.writestr("manifest.json", manifest_json)
        zp.writestr("background.js", background_js)

    # 再手寫檔案過去
    with open(os.path.join(plugin_dir, 'manifest.json'), 'w+') as fi:
        fi.write(manifest_json)

    with open(os.path.join(plugin_dir, 'background.js'), 'w+') as fi:
        fi.write(background_js)

    return plugin_file

Java也可以用同樣的方式實現。後續配上Java的多執行緒。相信開100個視窗乾活，不是什麼難事。

Playwright在下載上傳方面，比以前的Selenium要強很多。還有很多功能，下次再分享。

關注我的公眾號：青塬科技，定期分享經驗文章。

相關文章