學習如何使用Puppeteer和使用OpenFaaS構建的無服務器函數(shù)來抓取網(wǎng)頁。

web測試和抓取介紹

在這篇文章中，我將向您介紹Puppeteer，并向您展示如何使用它來使用OpenFaaS功能自動化和抓取網(wǎng)站。

有兩個主要的原因，你可能想自動化一個網(wǎng)絡瀏覽器:

對應用程序運行遵從性和端到端測試

從一個沒有可用API的網(wǎng)頁收集信息

當測試一個應用程序時，有許多選項，這些選項分為兩類:呈現(xiàn)的網(wǎng)頁，使用JavaScript和一個真正的瀏覽器運行，以及基于文本的測試，它只能解析靜態(tài)HTML?？梢韵胂?，在內存中加載一個完整的web瀏覽器是一項繁重的任務。在之前的工作中，我大量使用Selenium，它有針對c#、Java、Python、Ruby和其他語言的語言綁定。雖然我們的團隊試圖在單元測試層中實現(xiàn)大多數(shù)測試，但是在某些情況下，自動化web測試增加了價值，這意味著QA團隊可以在開發(fā)人員開始編碼之前編寫用戶驗收測試(UATs)，從而參與到開發(fā)周期中。

Selenium在業(yè)界仍然很流行，它激發(fā)了Webdriver API的W3C工作草案，瀏覽器可以實現(xiàn)這個工作草案來簡化測試。

另一個用例不是測試網(wǎng)站，而是在API不可用或沒有所需端點時從網(wǎng)站中提取信息。在某些情況下，您會看到這兩種使用情況的混合，例如——當特定的司法管轄區(qū)不提供API時，公司可能會使用自動的web瀏覽器通過web頁面提交稅務文檔。

用AWS Lambda踢輪胎

最近，我了解到一個朋友通過他的SaaS產品提供商標搜索，為此他選擇了一個名為Puppeteer的更現(xiàn)代的Selenium替代品。事實上，如果你在StackOverflow或谷歌中搜索“抓取和Lambda”，你很可能會看到“Puppeteer”和“headless chrome”一起出現(xiàn)。我很想用AWS Lambda試試Puppeteer，但這條路并不理想，幾乎每一步都有摩擦。

流行的aws-chrome-lambda npm模塊的大小超過40MB，因為它提供的是靜態(tài)二進制文件，這意味著它不能作為一個普通的Lambda zip文件或Lambda層上傳

zip文件需要通過與函數(shù)所在區(qū)域相同的AWS S3存儲桶上傳

這個層可以從你的函數(shù)中引用。

本地測試非常困難，并且有許多關于獲得正確的npm模塊組合的StackOverflow問題

我確信這是可以做到的，而且正在大規(guī)模地進行。對于小企業(yè)來說，如果他們不花太多時間與上述問題作斗爭，并且能夠保持在免費的層次內，這將是非常有吸引力的。

AWSλ截圖

得到一個簡單網(wǎng)頁的標題- 15.5秒

也就是說，OpenFaaS可以運行在任何地方，甚至在5-10美元的VPS上，因為OpenFaaS使用的是容器，這讓我開始思考。

還有別的辦法嗎?

所以我想看看使用OpenFaaS的體驗是否會更好。所以我想看看我能不能讓Puppeteer與OpenFaaS一起工作，這不是我第一次去那里。這是我時常會想起的事情。今天，有了buildkite.com提供的預編譯的無頭Chrome瀏覽器，事情似乎更簡單了。

典型的任務包括登錄到門戶并進行屏幕截圖。有趣的是，當我運行一個簡單的測試來導航到一個博客并進行截屏時，在AWS Lambda上花了155秒，但在我的筆記本上本地運行的OpenFaaS上只花了1.6秒。我還能夠在本地構建和測試這個函數(shù)，就像在云中一樣。

預排

現(xiàn)在，我們將介紹使用Node.js和Puppeteer設置函數(shù)的步驟，這樣您就可以修改一個示例，并嘗試在AWS Lambda上運行的現(xiàn)有測試。

部署OpenFaaS

我們可以利用OpenFaaS的哪些特性?

將函數(shù)的超時擴展到我們想要的范圍

異步并并行地運行調用

完成后獲得一個帶有結果的HTTP回調，比如一個JSON格式的屏幕截圖或測試結果

在堆棧中使用max_inflight環(huán)境變量限制并發(fā)性。yml文件，以防止超載容器

觸發(fā)來自cron或Kafka和NATS之類事件的調用

從Prometheus獲得速率、錯誤和持續(xù)時間(紅色)指標，并在Grafana中查看它們

您可以使用faasd項目將OpenFaaS部署到Kubernetes或在小型VM上。faasd項目不需要Kubernetes，而是使用containerd項目。

文檔:部署OpenFaaS

對于沒有耐心的人，我們的arkade工具可以讓你在不到5分鐘內啟動和運行。你只需要在你的電腦上安裝Docker。

您可以運行faas-cli describe函數(shù)來獲得一個用于curl的同步或異步URL，以及該函數(shù)是否為調用做好了準備。faas-cli還可以用于調用函數(shù)，我們將在下面實現(xiàn)這一點。

函數(shù)異步提交。

RequestBin例子

返回到RequestBin的結果示例

每個調用都有一個惟一的X-Call-Id頭，可用于跟蹤和將請求連接到異步響應。

取一個屏幕截圖并將其作為PNG文件返回

AWS Lambda的一個限制是它只能返回JSON響應，盡管這種方法可能有很好的理由，但OpenFaaS允許對函數(shù)進行二進制輸入和響應。

讓我們嘗試截取頁面的屏幕快照，并將其捕獲到文件中。

部署一個Grafana儀表板

我們可以使用內置的Prometheus UI從函數(shù)中觀察紅色指標，也可以部署Grafana并訪問OpenFaaS儀表板。

參見:OpenFaaS觸發(fā)器

結束

現(xiàn)在您已經(jīng)擁有了使用Puppeteer部署自動化測試和web抓取代碼所需的工具。由于OpenFaaS可以利用Kubernetes，您可以使用自動伸縮的節(jié)點池和比通?；谠频墓δ墚a品更長的超時。OpenFaaS可以很好地與其他工具合作，比如支持異步調用的NATS、收集指標的Prometheus以及觀察吞吐量和持續(xù)時間并與團隊中的其他人共享系統(tǒng)狀態(tài)的Grafana。

預編譯版本的Chrome包括docker-puppeteer和os - Chrome -lambda不會運行在樹莓派或ARM64機器上，但有一個可能，他們可以重新構建。如果你想從Raspberry Pi或者ARM64服務器上快速抓取網(wǎng)頁，你可以考慮其他的選擇，比如scrapy。

最后，我在這里會有一些偏見，但是我發(fā)現(xiàn)讓Puppeteer使用OpenFaaS比使用AWS Lambda要簡單得多，所以我認為您應該嘗試一下。