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

Question

这是经过几个小时的抓取后的错误回溯:

The process started from chrome location /usr/bin/google-chrome is no longer running, so ChromeDriver is assuming that Chrome has crashed.

这是我对 selenium python 的设置:

#scrape.py
from selenium.common.exceptions import *
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.ui import WebDriverWait
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 = "/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.py
import time,
from multiprocessing import Pool
from 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 79.0.3945.79
Selenium Version: 4.0.0a3

我想知道为什么 chrome 正在关闭，但其他进程正在运行？

Answer 1

我拿了你的代码，对其进行了一些修改以适应我的测试环境，这是执行结果:

• 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

正如您提到的，经过几个小时的抓取后出现此错误，我怀疑这是因为 WebDriver is not thread-safe 。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引用。这是不可取的。但您始终可以实例化一个WebDriver每个线程的实例。

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(bind)中。他们都假设一次只有一个命令(例如，像真正的用户一样)。但另一方面，您始终可以为每个线程实例化一个 WebDriver 实例，这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，但是测试结果将不是您所期望的。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，否则您将执行诸如 click() 或 之类的操作>send_keys() 将转到当前具有焦点的已打开选项卡/窗口，无论您希望运行哪个线程。这本质上意味着所有测试将在具有焦点但不在目标选项卡/窗口的同一个选项卡/窗口上同时运行。