技能树升级——Chrome Headless 模式

作者： Jogis

原文链接： https://github.com/yesvods/Blog/issues/10

也许最近已经听说 Chrome59 将支持headless模式，PhantomJS核心开发者Vitaly表示自己将会失业了。

Headless 模式解决了什么问题

3 年前，无头浏览器PhantomJS已经如火如荼出现了，紧跟着NightmareJS也成为一名巨星。无头浏览器带来巨大便利性：页面爬虫、自动化测试、 WebAutomation...

为啥 Chrome 又插了一脚

用过 PhantomJS 的都知道，它的环境是运行在一个封闭的沙盒里面，在环境内外完全不可通信，包括 API 、变量、全局方法调用等。一个之前写的微信页面爬虫，实现内外通信的方式极其 Hack ，为了达到目的，不择手段，令人发指，看过的哥们都会蛋疼。

So, 很自然的， Chrome59 版支持的特性，全部可以利用，简直不要太爽：

ES2017
ServiceWork(PWA 测试随便耍)
无沙盒环境
无痛通讯&API 调用
无与伦比的速度
...

技能树启动点

为了点亮技能树，我们需要以下配置：

Chrome Canary (What!还没装？传送门)
NodeJS (>=7 标配)
TNPM (可选项，技能树没点的快去——>https://www.atatech.org/articles/76281)

大致来说，有那么个过程：

启动 Headless 模式

有各种脚本启动方式，本次我们使用 termial 参数方式来打开：

$ /Applications/Google\ Chrome\ Canary.app/Contents/MacOS/Google\ Chrome\ Canary --headless --remote-debugging-port=9222

在 Dock 中，一个黄色的东西就会被启动，但是他不会跳出来。

操控无头浏览器

依旧有各种方式，我们先安装一个工具帮助我们来对黄色浏览器做点事情：

$ tnpm i -S chrome-remote-interface

燥起来

捕获所有请求

Pretty Simple ，写一个 index.js ：

const CDP = require("chrome-remote-interface");
 
CDP(client => {
  // extract domains
  const { Network, Page } = client;
  // setup handlers
  Network.requestWillBeSent(params => {
    console.log(params.request.url);
  });
  Page.loadEventFired(() => {
    client.close();
  });
  // enable events then start!
  Promise.all([Network.enable(), Page.enable()])
    .then(() => {
      return Page.navigate({ url: "https://github.com" });
    })
    .catch(err => {
      console.error(err);
      client.close();
    });
}).on("error", err => {
  // cannot connect to the remote endpoint
  console.error(err);
});

AND run it ：

$ node index.js

结果会展示一堆 url ：

https://github.com/
https://assets-cdn.github.com/assets/frameworks-12d63ce1986bd7fdb5a3f4d944c920cfb75982c70bc7f75672f75dc7b0a5d7c3.css
https://assets-cdn.github.com/assets/github-2826bd4c6eb7572d3a3e9774d7efe010d8de09ea7e2a559fa4019baeacf43f83.css
https://assets-cdn.github.com/assets/site-f4fa6ace91e5f0fabb47e8405e5ecf6a9815949cd3958338f6578e626cd443d7.css
https://assets-cdn.github.com/images/modules/site/home-illo-conversation.svg
https://assets-cdn.github.com/images/modules/site/home-illo-chaos.svg
https://assets-cdn.github.com/images/modules/site/home-illo-business.svg
https://assets-cdn.github.com/images/modules/site/integrators/slackhq.png
https://assets-cdn.github.com/images/modules/site/integrators/zenhubio.png
https://assets-cdn.github.com/assets/compat-8a4318ffea09a0cdb8214b76cf2926b9f6a0ced318a317bed419db19214c690d.js
https://assets-cdn.github.com/static/fonts/roboto/roboto-medium.woff
...

捕获 DOM 内所有图片

这次轮到演示一下如何操控 DOM ：

const CDP = require("chrome-remote-interface");
 
CDP(chrome => {
  chrome.Page
    .enable()
    .then(() => {
      return chrome.Page.navigate({ url: "https://github.com" });
    })
    .then(() => {
      chrome.DOM.getDocument((error, params) => {
        if (error) {
          console.error(params);
          return;
        }
        const options = {
          nodeId: params.root.nodeId,
          selector: "img"
        };
        chrome.DOM.querySelectorAll(options, (error, params) => {
          if (error) {
            console.error(params);
            return;
          }
          params.nodeIds.forEach(nodeId => {
            const options = {
              nodeId: nodeId
            };
            chrome.DOM.getAttributes(options, (error, params) => {
              if (error) {
                console.error(params);
                return;
              }
              console.log(params.attributes);
            });
          });
        });
      });
    });
}).on("error", err => {
  console.error(err);
});

最后会返回数组，看起来像酱紫：

[
  [ 'src',
    'https://assets-cdn.github.com/images/modules/site/home-illo-conversation.svg',
    'alt',
    '',
    'width',
    '360',
    'class',
    'd-block width-fit mx-auto' ]
  [ 'src',
    'https://assets-cdn.github.com/images/modules/site/home-illo-chaos.svg',
    'alt',
    '',
    'class',
    'd-block width-fit mx-auto' ]
  [ 'src',
    'https://assets-cdn.github.com/images/modules/site/home-illo-business.svg',
    'alt',
    '',
    'class',
    'd-block width-fit mx-auto mb-4' ]
    ...
]

chrome-remote-interface 提供一套完整的 API 用于利用全量 Chrome 特性，更多使用方法参考： https://github.com/cyrus-and/chrome-remote-interface

总结

Chrome Headless 特性，不仅仅革新了原有格局，而且提高开发效率，降低使用门槛，对于经常使用爬虫、自动化测试前端童鞋来说简直是巨大福音，对于新童鞋来说也是一个新潮的玩具。