如何通过chrome远程调试获取网页资源内容

Question

我想通过Chrome调试协议获取网页资源内容使用python,从这个页面方法 -getResourceContent,我注意到这个方法:getResourceContent,需要params frameId和url.i认为这个方法是我需要的.所以我做了这件事:

1.get start chrome as a server:.\ chrome.exe --remote-debugging-port = 9222

2.write python测试代码:

# coding=utf-8
"""
chrome --remote-debugging api test
"""

import json
import requests
import websocket

import pdb

def send():
    geturl = requests.get('http://localhost:9222/json')
    websocketURL = json.loads(geturl.content)[0]['webSocketDebuggerUrl']
    request = {}
    request['id'] = 1
    request['method'] = 'Page.navigate'
    request['params'] = {"url": 'http://global.bing.com'}
    ws = websocket.create_connection(websocketURL)
    ws.send(json.dumps(request))
    res = ws.recv()
    ws.close()
    print res

    frameId = json.loads(res)['result']['frameId']
    print frameId
    geturl = requests.get('http://localhost:9222/json')
    websocketURL = json.loads(geturl.content)[0]['webSocketDebuggerUrl']
    req = {}
    req['id'] = 1
    req['method'] = 'Page.getResourceContent'
    req['params'] = {"frameId":frameId,"url": 'http://global.bing.com'}
    header = ["User-Agent: Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36"]
    pdb.set_trace()
    ws = websocket.create_connection(websocketURL,header=header)
    ws.send(json.dumps(req))
    ress = ws.recv()
    ws.close()
    print ress
if __name__ == '__main__':
    send()

3.Page.navigate工作正常,我有这样的事情:{"id":1,"result":{"frameId":"8504.2"}}

4.当我尝试方法:getResourceContent时,出现错误:{"error":{"code": - 32000,"message":"代理未启用."},"id":1}

我试图添加用户代理,仍然无法正常工作.

谢谢.

Answer 1

错误消息“代理未启用”与 HTTP 标头无关User-Agent，而是指需要启用 Chrome 中的代理才能检索页面内容。

“代理”一词有点误导，因为协议文档谈到了需要启用才能调试它们的域（我想，术语“代理”指的是 Chrome 内部实现的方式）

那么，问题是需要启用哪个域才能访问页面内容？事后看来，这是非常明显的：Page当我们调用该域中的方法时，需要启用该域。不过，我是在偶然发现这个例子之后才发现这一点的。

将Page.enable请求添加到脚本以激活Page域后，错误消息就消失了。然而，我还遇到了另外两个问题：

1. websockets 连接需要在请求之间保持打开状态，因为 Chrome 在调用之间保留某些状态（例如是否启用代理）
2. 导航到http://global.bing.com/时，浏览器会重定向到http://www.bing.com/（至少在我的计算机上是这样）。这会导致Page.getResourceContent检索资源失败，因为请求的资源http://global.bing.com/不可用。

解决这些问题后，我能够检索页面内容。这是我的代码：

# coding=utf-8
"""
chrome --remote-debugging api test
"""

import json
import requests
import websocket

def send():
    # Setup websocket connection:
    geturl = requests.get('http://localhost:9222/json')
    websocketURL = json.loads(geturl.content)[0]['webSocketDebuggerUrl']
    ws = websocket.create_connection(websocketURL)

    # Navigate to global.bing.com:
    request = {}
    request['id'] = 1
    request['method'] = 'Page.navigate'
    request['params'] = {"url": 'http://global.bing.com'}
    ws.send(json.dumps(request))
    result = ws.recv()
    print "Page.navigate: ", result
    frameId = json.loads(result)['result']['frameId']

    # Enable page agent:
    request = {}
    request['id'] = 1
    request['method'] = 'Page.enable'
    request['params'] = {}
    ws.send(json.dumps(request))
    print 'Page.enable: ', ws.recv()

    # Retrieve resource contents:
    request = {}
    request['id'] = 1
    request['method'] = 'Page.getResourceContent'
    request['params'] = {"frameId": frameId, "url": 'http://www.bing.com'}
    ws.send(json.dumps(request))
    result = ws.recv()
    print("Page.getResourceContent: ", result)

    # Close websocket connection
    ws.close()

if __name__ == '__main__':
    send()