Question

我正在尝试在Google Appengine上使用Angular.js客户端和webapp2。

为了解决SEO问题，我们的想法是使用无头浏览器来运行javascript服务器端，并将生成的html提供给抓取工具。

在谷歌应用引擎上运行的python是否有无头浏览器？

Answer 1

这是一个超级元想法。 Web服务器使用无头Web浏览器实现Web请求以呈现页面并返回结果。唷。

在无头浏览器上查看以下答案，特别注意基于Python的浏览器。

无头浏览器问题：headless internet browser?

看起来那些支持Javascript的人都使用WebKit并且需要PyQt或Pyside。这意味着由于存在运行时限制，您无法在App Engine上运行它们。

我建议您进行搜索引擎优化，然后使用Jinja2模板或其他东西进行某种用户代理检测并发出超级缩小的页面版本。无论如何，你可能会以这种方式获得更好的表现。

Answer 2

现在可以在自定义运行时的App Engine Flex上完成此操作，因此我要添加此答案，因为此问题是在Google中弹出的第一件事。

我将此自定义运行时基于其他使用预先构建的python运行时的GAE flex微服务

项目结构：

webdrivers/
- geckodriver
app.yaml
Dockerfile
main.py
requirements.txt

app.yaml：

service: my-app-engine-service-name
runtime: custom
env: flex
entrypoint: gunicorn -b :$PORT main:app --timeout 180

Dockerfile：

FROM gcr.io/google-appengine/python
RUN apt-get update
RUN apt-get install -y xvfb
RUN apt-get install -y firefox
LABEL python_version=python
RUN virtualenv --no-download /env -p python
ENV VIRTUAL_ENV /env
ENV PATH /env/bin:$PATH
ADD requirements.txt /app/
RUN pip install -r requirements.txt
ADD . /app/
CMD exec gunicorn -b :$PORT main:app --timeout 180

requirements.txt：

Flask==0.12.2
gunicorn==19.7.1
selenium==3.13.0
pyvirtualdisplay==0.2.1

main.py

import os
import traceback

from flask import Flask, jsonify, Response
from selenium import webdriver
from pyvirtualdisplay import Display

app = Flask(__name__)

# Add the webdrivers to the path
os.environ['PATH'] += ':'+os.path.dirname(os.path.realpath(__file__))+"/webdrivers"

@app.route('/')
def hello():
    return 'Hello!!'

@app.route('/test/', methods=['GET'])
def go_headless():
    try:
        display = Display(visible=0, size=(1024, 768))
        display.start()
        d = webdriver.Firefox()
        d.get("http://www.python.org")    
        page_source = d.page_source.encode("utf-8")
        d.close()
        display.stop()
        return jsonify({'success': True, "result": page_source[:500]})
    except Exception as e:
        print traceback.format_exc()
        return jsonify({'success': False, 'msg': str(e)})

if __name__ == '__main__':
    app.run(host='127.0.0.1', port=8080, debug=True)

从此处（linux 64）下载geckodriver：

https://github.com/mozilla/geckodriver/releases

其他说明：

请注意您正在使用的geckodriver，firefox和selenium的版本，因为它可能是finnickey，并给出此错误WebDriverException: Message: Can't load the profile. Possible firefox version mismatch. You must use GeckoDriver instead for Firefox 48+. Profile Dir: /tmp/tmp 48P If you specified a log_file in the FirefoxBinary constructor, check it for details.
除非您使用的是旧版geckodriver / firefox，否则请不要设置DesiredCapabilities().FIREFOX["marionette"] = False https://github.com/SeleniumHQ/selenium/issues/5106
display = Display(visible=0, size=(1024, 768))来解决此错误：How to fix Selenium WebDriverException: The browser appears to have exited before we could connect?

要在本地测试：

docker build . -t my-docker-image-tag
docker run -p 8080:8080 --name=my-docker-container-name my-docker-image-tag

要部署到应用引擎：

gcloud app deploy app.yaml --version dev --project my-app-engine-project-id

适用于GAE的Python无头浏览器

2 个答案: