如何通过chrome远程调试获取网页资源内容

Question

我想通过Chrome调试协议使用python获取网页资源内容，从这个页面方法getResourceContent中，我注意到了这个方法：getResourceContent，需要params frameId和url。我认为这个方法就是我需要的。所以我做了一件事：

1.将chrome作为服务器启动：。\chrome.exe—远程调试端口=9222

2.编写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.导航工作正常，我收到这样的消息：{"id"：1，"结果"：{"frameId"："8504.2"}}

4.当我尝试方法：getResourceContent时，出现了错误：{"错误"：{"代码"：-32000，"消息"："代理未启用。"}，"；id"：1}

我尝试添加用户代理，但仍然不起作用。

谢谢。

Answer 1

错误消息"Agent is not enabled"与HTTP User-Agent标头无关，而是指chrome中需要启用才能检索页面内容的代理。

"代理"一词有点误导，因为协议文档中谈到了需要启用以调试它们的域（我想，"代理"是指在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，很明显：Page域需要启用，因为我们正在调用该域中的方法。不过，我是在偶然发现这个例子后才发现这一点的。

一旦我将Page.enable请求添加到脚本中以激活Page域，错误消息就消失了。然而，我遇到了另外两个问题：

1. websockets连接需要在请求之间保持打开，因为Chrome在调用之间保持一些状态（例如是否启用代理）
2. 导航到时http://global.bing.com/浏览器重定向到http://www.bing.com/（至少它在我的电脑上）。这导致Page.getResourceContent无法检索资源，因为请求的资源http://global.bing.com/不可用

在修复了这些问题之后，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()