Skip to content

Chrome DevTools Protocol

Chrome DevTools Protocol（CDP）是 Pydoll 用来控制浏览器的接口。它就是当你检视一个页面时 Chrome DevTools 所使用的同一套协议，只不过以可编程的 API 形式暴露出来。理解它，就能明白 Pydoll 的各项能力从何而来，以及为什么这里根本没有 webdriver。

CDP 是什么

CDP 是一套以编程方式控制基于 Chromium 的浏览器的协议。消息是 JSON，通过 WebSocket 发送，并按 domain 组织，每个 domain 各自覆盖浏览器的一个领域：Page 负责导航与生命周期，DOM 负责页面结构，Network 负责流量，Runtime 负责 JavaScript，Input 负责鼠标和键盘，Fetch 负责请求拦截，Target 负责标签页和上下文，等等。

CDP 由 Google 维护，并随每个 Chrome 版本不断扩展。因为它是为驱动 Chrome 自家的 DevTools 而生的，所以它深入浏览器内部，这也正是它成为 Puppeteer、Playwright 和 Pydoll 等自动化工具基石的原因。

Pydoll 直接讲 CDP，所以它的能力就是 CDP 所暴露的一切。没有一个单独的自动化层来决定你能做什么、不能做什么。

连接是如何工作的

用远程调试标志启动一个 Chromium 浏览器，它就会在该端口上打开一个 WebSocket 服务器：

chrome --remote-debugging-port=9222

Pydoll 连接到那个 WebSocket，并在整个会话期间保持连接打开。这个通道是双向的：你的代码向浏览器发送命令，浏览器则在事件发生的瞬间通过同一条连接把它们推回给你。

sequenceDiagram
    participant App as 你的代码
    participant WS as WebSocket
    participant Browser as Chrome

    App ->> WS: command: Page.navigate
    WS ->> Browser: 执行它
    Browser -->> WS: event: Page.loadEventFired
    WS -->> App: 投递该事件

对自动化而言，一条持久的 WebSocket 比旧协议所用的请求/响应式 HTTP 端点更合适：浏览器会在事情发生的那一刻通知你，而不用你去轮询才能知道。

Domain

CDP 把它的方法和事件按 domain 分组。在自动化中你最常遇到的有：

Domain 覆盖范围 示例用途
Browser 浏览器应用本身 窗口管理、创建浏览器上下文
Page 页面生命周期 导航、运行 JavaScript、frame
DOM 页面结构 查询元素、读取和设置属性
Network 流量 观察请求和响应、缓存
Runtime JavaScript 引擎 求值表达式、调用函数
Input 用户输入 鼠标移动、键盘、触摸
Target 标签页和上下文 打开标签页、访问 iframe、处理弹窗
Fetch 底层拦截 修改请求、模拟响应、认证

Pydoll 把这些 domain 映射为一套更友好的 API，所以 tab.go_to(...) 会发送一条 Page.navigate 命令，tab.find(...) 会使用 DOM 查询，而无需你去拼装原始消息。

命令与事件

每一次 CDP 交互都是两种消息类型之一。

命令（command） 是你发出的一个请求：一个带参数的 domain 方法。浏览器执行它，并回复一个结果，通过 id 与你的消息匹配。Page.navigate、DOM.getDocument 和 Input.dispatchMouseEvent 都是命令。

事件（event） 是浏览器在你启用其 domain 之后主动发送的一个通知。Page.loadEventFired、Network.requestWillBeSent 和 Fetch.requestPaused 都是事件。你用一个回调来订阅它，并在它触发时作出反应：

from functools import partial

from pydoll.protocol.network.events import NetworkEvent


async def on_request(tab, event):
    url = event['params']['request']['url']
    print(f'request to: {url}')


await tab.enable_network_events()
await tab.on(NetworkEvent.REQUEST_WILL_BE_SENT, partial(on_request, tab))

正是事件让基于 CDP 的自动化能在浏览器状态改变的那一刻作出反应，而不是靠睡眠等待再碰运气。可用的工作指南见 事件。

Target 与 session

CDP 把你能附着的每样东西称作一个 target：浏览器本身、每个标签页，以及进程外的 iframe，都是各自独立的 target。附着到一个 target 会打开一个 session，而针对该 target 的命令会携带它的 sessionId，好让浏览器知道该把它们路由到哪里。

这就是一条 WebSocket 连接如何同时驱动众多标签页的方式，也是命令如何到达一个跨源 iframe 内部元素的方式。Pydoll 为你处理好了 target 和 session 的路由，所以一个 Tab 对象无需你追踪 session id 就能工作。

为什么这里没有 webdriver

传统的 webdriver 工具在你的代码和浏览器之间放了一个翻译服务器：

graph LR
    A[你的脚本] --> C[WebDriver 客户端]
    C --> S[WebDriver 服务器]
    S --> B[浏览器]

这个服务器把 WebDriver 协议翻译成浏览器的原生调用，而它正是你必须安装、并要与你的浏览器版本对齐的那一块。Pydoll 则直接与浏览器对话：

graph LR
    A[你的脚本] --> P[Pydoll]
    P --> B[通过 CDP 的浏览器]

没有一个单独的驱动需要下载或保持同步，而且这条连接就是浏览器内部使用的、同一条事件驱动的通道。这对你编写脚本意味着什么，见 核心概念。

相关内容