在日常开发中我们经常可能会遇到这样一些情景：需要使用一些自动化的手段来帮助我们测试；在获取某些网页的数据的时候，由于目标网页的数据是动态的，使用传统的数据获取手段无法有效的抓取；需要时不时的抓取某个网页保存为截图作为快照，以用于诸如竞品监测分析等；诸如以上的场景可能在以前我们比较难以实现，或者现有的工具或多或少存在着某些不足。今天就来介绍一款 Go 语言写的基于 DevTools Protocol 的工具，叫 Rod 。
Rod的Github地址：https://github.com/go-rod/rod
Rod 是什么？
Rod 是一款直接基于 DevTools Protocol 的高级 DevTools 驱动程序，它是为了网页自动化和抓取而设计的，Rod 还给用户暴露了一些底层接口，以便如果缺失某些功能的话，用户可以直接调用这些接口发送控制请求给浏览器。
Rod 能做什么？
既然是基于 DevTools Protocol 协议的，那基本 DevTools 能实现的功能大部分都能实现。比如浏览器页面控制、窗口控制、事件监听，根据选择器获取网页元素，模拟鼠标移动点击，页面事件监听、触发，网页注入脚本、样式表，网页内容修改，网页内容获取，执行脚本，Cookie 获取设置，页面截图，会话复用，页面监控等等功能。
Rod 的工作原理是什么？
Rod 在被调用后会尝试使用 WebSocket 去连接 DevTools，如果没有找到的话，会基于不同的系统尝试去一些默认的路径寻找本地浏览器，找到就打开，没有找到的话会尝试去下载一个再启动。
然后 Rod 使用 JSON-RPC 去和 DevTools 交互，以便控制浏览器。当需要控制某个具体的页面的时候，Rod 会给这个页面注入一个js的助手脚本，Rod 使用这个脚本来完成页面内容的获取，控制等。
其他同类工具存在什么问题？
chromedp 由于需要使用复杂的类 DSL 的任务来处理主逻辑，导致发生问题时很难通过理解代码来解决，也很难去追踪问题。chromedp 也无法处理 iframe，不支持影子 DOM，当程序崩溃时，会留下僵尸进程等。
selenium 由于是基于 webdriver protocol 的，功能上相对更少，比如没法处理关闭的影子 DOM，没办法保存网页为 PDF，没有对性能等工具的支持，由于依赖于浏览器驱动等也使得其变得难以使用和维护。虽然 selenium 宣称是支持跨浏览器的，但实际上在很多浏览器上都或多或少存在这样或那样的问题。
puppeteer 需要去处理复杂的 promise/async/await 问题，但在进行自动化测试的时候，更多想要同步的获取到状态之后再进行后续操作，对于 QA 来说不太友好。
cypress 对关闭的影子 DOM 限制很大，对跨域 iframe 来说也不太安全。
案例一：定时对某个网页截图
就像前面说的，有时候我们需要对某个竞品网页保持长期的关注，需要定时的保存快照来做分析，这时候我们就可以使用 rod 来方便的完成这个需求。
这里我写了一个小方法，每3秒(测试用，实际环境可以调整为半天、一天等频率)请求一次 gocn 这个网站，然后等页面加载完成后，将整个页面截图并按截图时间作为文件名保存到本地。
import ( "github.com/go-rod/rod" "strconv" "time")func monitorGocn() { // 创建一个浏览器的实例 browser := rod.New().Connect() url := "https://gocn.vip" // 指定要获取的网页 page := browser.Page(url) // 指定窗口大小，避免截图时截不完整 page.Window(0, 0, 1024, 768) // 指定截图间隔时间，我这里是测试，就设置了3秒 interval := time.Duration(3) * time.Second for { select { case nowTimestamp := time.Now().Unix() nowTimestampStr := strconv.Itoa(int(nowTimestamp)) // 重定向页面，后面的参数无实意，只是为了确保页面刷新 page.Navigate(url + "/?__t__=" + nowTimestampStr) // 等待页面加载完成 wait := page.WaitRequestIdle() wait() file := "screenshot/" + nowTimestampStr + ".jpg" // 整个页面截图并保存 page.ScreenshotFullPage(file) } }}
截图的结果：
截图效果如下：
案例二：自动签到某度贴吧
这个案例主要是以自动签到某度贴吧为例展示自动化操作，我们复用了用户的登录信息，设定一些需要登录的贴吧的数组，每天自动打开每个贴吧的首页，点击签到按钮进行签到。
对签到按钮进行元素审查，很容易得到对应的元素选择器。
然后我们编写代码：
import ( "github.com/go-rod/rod" "github.com/go-rod/rod/lib/launcher" "time")func signInBa() { // 以NewUserMode形式启动，这样可以复用会话信息 // 当然你也可以以普通模式启动，自己调用程序登录 url := launcher.NewUserMode().Launch() browser := rod.New().ControlURL(url).Connect() // 先打开某度贴吧首页，方便复用 page := browser.Page("https://tieba.example.com/") // 设定窗口大小 page.Window(0, 0, 1024, 768) // 等待页面加载完成 wait := page.WaitRequestIdle() wait() // 这里是需要签到的贴吧的名称 kws := []string{"php", "java", "javascript"} for _, kw := range kws { // 组装贴吧地址 url := "https://tieba.example.com/f?kw=" + kw // 前往某个贴吧首页 page.Navigate(url) wait = page.WaitRequestIdle() wait() // 点击签到按钮 page.Element(".j_signbtn").Click() // 休息10秒再继续 time.Sleep(time.Duration(10) * time.Second) }}
执行后就可以看到如下效果：
以上两个案例也只是抛砖引玉，充分利用 Rod 能完成的功能远比这些强大，同时支持在 Docker 中启动浏览器，也就是说可以在服务器上去使用 Rod 的所有功能，写好的程序直接扔服务器上就可以等他定时执行，而且支持监控，也能自己处理错误来返回。
总之，用好 Rod 能使你的工作效率大大提升，也能为你完成各种定制化的自动化功能和高级抓取数据需求。