通过 Python 使用 Selenium 进行多处理时，Chrome 在几个小时后崩溃

Question

这是几个小时抓取后的错误回溯：The process started from chrome location /usr/bin/google-chrome is no longer running, so ChromeDriver is assuming that Chrome has crashed.这是我的 selenium python 设置：#scrape.pyfrom selenium.common.exceptions import *from selenium.webdriver.common.by import Byfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.chrome.options import Optionsdef run_scrape(link):    chrome_options = Options()    chrome_options.add_argument('--no-sandbox')    chrome_options.add_argument("--headless")    chrome_options.add_argument('--disable-dev-shm-usage')    chrome_options.add_argument("--lang=en")    chrome_options.add_argument("--start-maximized")    chrome_options.add_experimental_option("excludeSwitches", ["enable-automation"])    chrome_options.add_experimental_option('useAutomationExtension', False)    chrome_options.add_argument("user-agent=Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36")    chrome_options.binary_location = "/usr/bin/google-chrome"    browser = webdriver.Chrome(executable_path=r'/usr/local/bin/chromedriver', options=chrome_options)    browser.get(<link passed here>)    try:        #scrape process    except:        #other stuffs    browser.quit()#multiprocess.pyimport time,from multiprocessing import Poolfrom scrape import *if __name__ == '__main__':    start_time = time.time()    #links = list of links to be scraped    pool = Pool(20)    results = pool.map(run_scrape, links)    pool.close()    print("Total Time Processed: "+"--- %s seconds ---" % (time.time() - start_time))Chrome、ChromeDriver 设置、Selenium 版本ChromeDriver 79.0.3945.36 (3582db32b33893869b8c1339e8f4d9ed1816f143-refs/branch-heads/3945@{#614})Google Chrome 79.0.3945.79Selenium Version: 4.0.0a3我想知道为什么 chrome 正在关闭但其他进程正在工作？

Answer 1

我拿了你的代码，稍微修改了一下以适应我的测试环境，这里是执行结果：

代码块：

multiprocess.py:

import time

from multiprocessing import Pool

from multiprocessingPool.scrape import run_scrape

if __name__ == '__main__':

    start_time = time.time()

    links = ["https://selenium.dev/downloads/", "https://selenium.dev/documentation/en/"] 

    pool = Pool(2)

    results = pool.map(run_scrape, links)

    pool.close()

    print("Total Time Processed: "+"--- %s seconds ---" % (time.time() - start_time)) 

scrape.py:

from selenium import webdriver

from selenium.common.exceptions import NoSuchElementException, TimeoutException

from selenium.webdriver.common.by import By

from selenium.webdriver.chrome.options import Options

def run_scrape(link):

    chrome_options = Options()

    chrome_options.add_argument('--no-sandbox')

    chrome_options.add_argument("--headless")

    chrome_options.add_argument('--disable-dev-shm-usage')

    chrome_options.add_argument("--lang=en")

    chrome_options.add_argument("--start-maximized")

    chrome_options.add_experimental_option("excludeSwitches", ["enable-automation"])

    chrome_options.add_experimental_option('useAutomationExtension', False)

    chrome_options.add_argument("user-agent=Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36")

    chrome_options.binary_location=r'C:\Program Files (x86)\Google\Chrome\Application\chrome.exe'

    browser = webdriver.Chrome(executable_path=r'C:\Utility\BrowserDrivers\chromedriver.exe', options=chrome_options)

    browser.get(link)

    try:

        print(browser.title)

    except (NoSuchElementException, TimeoutException):

        print("Error")

    browser.quit()

控制台输出：

Downloads

The Selenium Browser Automation Project :: Documentation for Selenium

Total Time Processed: --- 10.248600006103516 seconds ---

结论

很明显，您的程序在逻辑上是完美无缺的。

这个用例

正如您在几个小时的抓取后提到的这个错误表面，我怀疑这是因为WebDriver 不是线程安全的。话虽如此，如果您可以序列化对底层驱动程序实例的访问，则可以在多个线程中共享一个引用。这是不可取的。但是您总是可以为每个线程实例化一个WebDriver实例。

理想情况下，线程安全问题不在您的代码中，而在实际的浏览器绑定中。他们都假设一次只会有一个命令（例如，像一个真实的用户）。但另一方面，您始终可以为每个线程实例化一个WebDriver实例，该实例将启动多个浏览选项卡/窗口。到目前为止，您的程序似乎很完美。

现在，不同的线程可以在同一个Webdriver上运行，但是测试的结果不会是你所期望的。背后的原因是，当您使用多线程在不同的选项卡/窗口上运行不同的测试时，需要一点线程安全编码，否则您将执行的操作就像click()或send_keys()将转到当前打开的选项卡/窗口一样无论您希望运行的线程如何，都将成为焦点。这实质上意味着所有测试将在具有焦点但不在预期的选项卡/窗口上的同一选项卡/窗口上同时运行。

Answer 2

现在我使用这个线程模块为每个线程实例化一个 Webdriver

import threading

threadLocal = threading.local()

def get_driver():

    browser = getattr(threadLocal, 'browser', None)

    if browser is None:

        chrome_options = Options()

        chrome_options.add_argument('--no-sandbox')

        chrome_options.add_argument("--headless")

        chrome_options.add_argument('--disable-dev-shm-usage')

        chrome_options.add_argument("--lang=en")

        chrome_options.add_argument("--start-maximized")

        chrome_options.add_experimental_option("excludeSwitches", ["enable-automation"])

        chrome_options.add_experimental_option('useAutomationExtension', False)

        chrome_options.add_argument("user-agent=Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36")

        chrome_options.binary_location = "/usr/bin/google-chrome"

        browser = webdriver.Chrome(executable_path=r'/usr/local/bin/chromedriver', options=chrome_options)

        setattr(threadLocal, 'browser', browser)

    return browser

它确实帮助我比一次执行一个驱动程序更快。