在 Vercel 部署无头浏览器实现网页截图
标签:
Vercel
Headless
Nextjs
AWS
实践
2024-01-16
9 分钟

最近在做 OpenGraph 相关的工作,需要根据网址返回页面的首屏截图,毫无疑问无头浏览器已发展多年,已足够可靠,直接使用 Nodejs 集成 Puppeteer 就好。

无头浏览器是什么?

无头浏览器(Headless Browser)是一种没有图形用户界面(GUI)的网络浏览器。它能够执行与常规浏览器相同的功能,但没有可见的窗口或界面。无头浏览器可以在后台运行,加载和渲染网页,执行JavaScript代码,并提供对网页内容的访问和操作。它可以模拟用户与网页的交互,如点击链接、填写表单、提交数据等。通过无头浏览器,开发人员可以编写自动化脚本来测试网站的功能、执行网络爬虫任务或进行其他与浏览器相关的自动化操作。

  • Puppeteer: 一个 Node.js 库,它提供了一个高级 API 来通过 DevTools 协议控制 Chrome/Chromium
  • Playwright: 支持对现代 Web 应用程序进行可靠的端到端测试。
  • Crawlee: Web 抓取和浏览器自动化库

但是,这在 NextjsVercel 部署遇到了问题,它失败了!

Vercel limit 50M

好吧,出问题了! 于是我找到了这个 Exceeding size limits (50mb) for Serverless Functions

看来这个问题已经蛮多人遇到了,看到提到的解决方案有这个

Traced Next.js server files in: 423.26ms
--
23:27:46.148 | Warning: Max serverless function size of 50 MB compressed or 250 MB uncompressed reached
23:27:46.148 | Serverless Function's page: api/get-mls-entries.js
23:27:46.151 | Large Dependencies                  Uncompressed size  Compressed size
23:27:46.151 | node_modules/chrome-aws-lambda/bin            49.6 MB          49.5 MB
23:27:46.151 | node_modules/next/dist                        3.09 MB           957 kB
23:27:46.151 | node_modules/puppeteer-core/lib                536 kB           137 kB
23:27:46.151 | node_modules/lodash/lodash.js                  544 kB          96.4 kB
23:27:46.151 | node_modules/parse5/dist                       589 kB          89.5 kB

chrome-aws-lambda: AWS Lambda 和 Google Cloud 函数的二进 Chromium

大小在 50M 内,很接近了,还有个问题是 aws-lambda 已经多年不维护了,内核版本有些旧了,我们来想想其他办法。

远程内核

@sparticuz/chromium:AWS Lambda 的后继维护版

在文档种找到了这个

If your vendor does not allow large deploys (chromium.br is 50+ MB), you'll need to host the chromium-v#-pack.tar separately and use the @sparticuz/chromium-min package.

如果您的供应商不允许大型部署(chromium.br 为 50+MB),您将需要单独托管 Chrome-v#-Pack.tar 并使用

npm install --save @sparticuz/chromium-min@$CHROMIUM_VERSION

使用单独托管的包

const browser = await puppeteer.launch({
  args: chromium.args,
  defaultViewport: chromium.defaultViewport,
  executablePath: await chromium.executablePath(
    "https://www.example.com/chromiumPack.tar"
  ),
  headless: chromium.headless,
});

思路

lambda headless

开发模式 开发直接使用本地包(你电脑上的 Chrome 浏览器),不同系统的本地包路径不同。

生产模式 使用远程 Chromium 二进制包,它是一互联网文件地址,建议使用 github 的公开包地址,否则私有地址要注意流量问题。

搭建

创建 Nextjs 项目,创建完毕后安装需要的依赖

开发依赖

npm install @sparticuz/chromium-min@119 puppeteer-core@21

安装完毕后

{
  "dependencies": {
    "@sparticuz/chromium-min": "^119.0.2",
    "puppeteer-core": "^21.6.1"
  }
}

创建接口路由 /src/app/try/route.js

// 本地 Chrome 执行包路径
const localExecutablePath =
  process.platform === "win32"
    ? "C:\\Program Files (x86)\\Google\\Chrome\\Application\\chrome.exe"
    : process.platform === "linux"
    ? "/usr/bin/google-chrome"
    : "/Applications/Google Chrome.app/Contents/MacOS/Google Chrome";

// 远程执行包
const remoteExecutablePath =
  "https://github.com/Sparticuz/chromium/releases/download/v119.0.2/chromium-v119.0.2-pack.tar";

// 运行环境
const isDev = process.env.NODE_ENV === "development";

在“开发模式”下使用本地 Chrome 的执行路径,否则使用远程包执行路径。

local headless chromium core

更多远程执行包,可以查看 Sparticuz/chromium

remote headless chromium core

find

更新于 2024-05-09

👉 Vercel Functions 免费版本从 10 秒增加到 60 秒 更新

👉 付费版本时长为 5 分钟 文档

export const maxDuration = 60; // This function can run for a maximum of 60 seconds (update at 2024-05-09 form 10 seconds)
export const dynamic = "force-dynamic";

export async function GET() {
  let browser = null;
  try {
    // 引入依赖
    const chromium = require("@sparticuz/chromium-min");
    const puppeteer = require("puppeteer-core");

    // 启动
    browser = await puppeteer.launch({
      args: isDev ? [] : chromium.args,
      defaultViewport: { width: 1920, height: 1080 },
      executablePath: isDev
        ? localExecutablePath
        : await chromium.executablePath(remoteExecutablePath),
      headless: chromium.headless,
    });

    // 打开页面
    const page = await browser.newPage();
    // 等待页面资源加载完毕
    await page.goto("https://hehehai.cn", {
      waitUntil: "networkidle0",
      timeout: 100000,
    });
    // 打印页面标题
    console.log("page title", await page.title());
    const blob = await page.screenshot({ type: "png" });

    const headers = new Headers();

    headers.set("Content-Type", "image/png");
    headers.set("Content-Length", blob.length.toString());

    // 响应页面截图
    return new NextResponse(blob, { status: 200, statusText: "OK", headers });
  } catch (err) {
    console.log(err);
    return NextResponse.json(
      { error: "Internal Server Error" },
      { status: 500 }
    );
  } finally {
    // 释放资源
    await browser.close();
  }
}
  • args: isDev ? [] : chromium.args: “开发模式”不需要设置执行包的命令行参数
  • executablePath: 用来配置执行包路径
    • “开发模式” localExecutablePath
    • “非开发模式” await chromium.executablePath(remoteExecutablePath)

这里不过多介绍 Puppeteer 的运行配置了就,更细节的优化配置可以参考官方文档

启动程序

npm run dev


> headless-try@0.1.0 dev
> next dev

   ▲ Next.js 14.0.4
   - Local:        http://localhost:3000
   - Environments: .env.local

 ✓ Ready in 2s

访问 http://localhost:3000/try

🤨 出现错误

nextjs headless pkg error

 ⨯ ./node_modules/puppeteer-core/lib/cjs/puppeteer/cdp/EmulationManager.js
Module parse failed: Unexpected token (180:32)
|                 private: true,
|                 access: {
>                     has: (obj)=>#applyViewport in obj,
|                     get: (obj)=>obj.#applyViewport
|                 },

Import trace for requested module:
./node_modules/puppeteer-core/lib/cjs/puppeteer/cdp/EmulationManager.js
./node_modules/puppeteer-core/lib/cjs/puppeteer/cdp/cdp.js
./node_modules/puppeteer-core/lib/cjs/puppeteer/puppeteer-core.js
./src/app/try/route.js

require 包引入

你会发现我们使用的依赖包是使用 require 方式引入的,Nextjs 默认优化了一部分 Nodejs 包,这些使用 require 引入是会自动处理的,好在 Nextjs 提供了配置。

next.config.js

/** @type {import('next').NextConfig} */
const nextConfig = {
  experimental: {
    serverComponentsExternalPackages: [
      "puppeteer-core",
      "@sparticuz/chromium-min",
    ],
  },
};

module.exports = nextConfig;

serverComponentsExternalPackages: 如果依赖项使用 Nodejs 特定功能,您可以选择从服务器组件捆绑中选择退出特定依赖项并使用本机 Nodejs require 。

保存后,重新启动服务,访问 http://localhost:3000/try

hehehai blog screenshot

...

 ✓ Ready in 1710ms
 ✓ Compiled /try in 224ms (40 modules)
page title Hehehai @一块木头 - 全栈开发,专注于前端应用程序和用户界面设计.

🥳🥳🥳 速度还是很快的

部署 vercel

Fork headless-try repo

登录 verlcel 登录后,进入 Dashboard,创建项目

vercel project create

选择 headless-try

vercel project deploy

点击 Deploy 按钮

vercel project dashboard

部署成功后,访问 Domains 点击 Blog screenshot 链接, 部署在 vercel 的免费网页,截图的运行时间是 10s, 所以如果在 10 内,没有返回结果,那么是超时了!可以重试几次,有缓存后就快一点了,测试一般在 5s。

hehehai vercel blog

在 Cloudflare 中使用 headless

cloudflare headless

import puppeteer from "@cloudflare/puppeteer";

export default {
    async fetch(request: Request, env: Env): Promise<Response> {
        const { searchParams } = new URL(request.url);
        let url = searchParams.get("url");
        let img: Buffer;
        if (url) {
            const browser = await puppeteer.launch(env.MYBROWSER);
            const page = await browser.newPage();
            await page.goto(url);
            img = (await page.screenshot()) as Buffer;
            await browser.close();
            return new Response(img, {
                headers: {
                    "content-type": "image/jpeg",
                },
            });
        } else {
            return new Response(
                "Please add the ?url=https://example.com/ parameter"
            );
        }
    },
};

🥳 好消息:Workers Browser Rendering API enters open beta

🫠 坏消息:还在内测中, 快来申请 Add yourself to the waitlist

Browserless

除此外,还有种独特的方式,Puppeteer 允许通过 browserWSEndpoint 选项指定 chrome 的远程位置,就像这样

const browser = await puppeteer.connect({
  browserWSEndpoint: "ws://localhost:3000",
});

我们需要一个 ws 的 chrome 远程服务来被调用。 好在它已经出现了 👏👏👏 Browserless

Browserless site

Browserless 允许远程客户端连接并执行无头工作,所有这些都在 Docker 内部。它支持标准的、未分叉的 Puppeteer 和 Playwright 库,并为数据收集、PDF 生成等常见操作提供基于 REST 的 API。

它是开源的,可以使用 Docker 部署在服务器上。

// Next.js API route support: https://nextjs.org/docs/api-routes/introduction
import type { NextApiRequest, NextApiResponse } from 'next'
import puppeteer from 'puppeteer-core'

type Json = {
  message: string
}

export default async function handler(
  req: NextApiRequest,
  res: NextApiResponse<Json | Buffer>
) {
  const { searchParams } = new URL(
    req.url as string,
    `http://${req.headers.host}`
  )
  const url = searchParams.get('url')

  if (!url) {
    return res
      .status(400)
      .json({ message: `A ?url query-parameter is required` })
  }

  const browser = await puppeteer.connect({
    browserWSEndpoint: `wss://chrome.browserless.io?token=${process.env.BLESS_TOKEN}`,
  })

  const page = await browser.newPage()
  await page.setViewport({ width: 1920, height: 1080 })
  await page.goto(url)

  return res.status(200).send(await page.screenshot({type: 'png'}))
}

参考

© 2019 - 2024, Hehehai 晋ICP备2024032508号-1