我每天在电脑上跑几个抓数据的脚本。它们要开浏览器、要登录、要在页面里点来点去。
但它们从来不出现在屏幕上。不是藏起来了,是压根没有可见窗口——你唯一能察觉到的痕迹,是任务栏里多了一个图标。
这件事看起来简单,做起来处处是坑。下面是我踩过的六个,按踩到的顺序排。
先看反例:大多数脚本的默认行为
写自动化脚本的时候,大家的第一版几乎都是这样:
const browser = await puppeteer.launch({ headless: false }); // 或者 spawn 一个 Chrome
headless: false 的理由很正当:有些站点的反爬会检测无头浏览器,用真窗口更稳。
代价是:一个窗口"啪"地弹到前台,抢走你的焦点。你正在文档里打字,下一段就进了地址栏。
于是我把目标改成一句话:这个脚本要能干活,但你在用它的时候不该知道它存在。
三条规则
规则只有三条,但每一条都有对应的坑。
- 新启动的浏览器离屏启动,然后立刻最小化——全程不出现可见窗口
- 之后每次运行都复用这个浏览器,一个字节都不碰窗口状态
- 唯一例外:登录态过期要扫码,窗口摆到屏幕中央一次,扫完收回
坑一:--start-minimized 已经不管用了
最直觉的写法是在启动参数里加 --start-minimized:
const args = [
`--remote-debugging-port=${port}`,
`--user-data-dir=${profile}`,
'--start-minimized', // ← 现在的 Chrome 会忽略它
];
实测:加了这个开关,窗口照样正常显示在前台。这个参数在现代 Chrome 上已经不起作用了。
真正能最小化的是 CDP 的 Browser.setWindowBounds:
export async function applyMode(b, targetId, mode) {
const { windowId } = await b.send('Browser.getWindowForTarget', { targetId });
// 先把「恢复正常时的位置」钉在屏幕内,否则等会儿用户点任务栏,窗口会跑到屏幕外
await b.send('Browser.setWindowBounds', {
windowId, bounds: { ...NORMAL, windowState: 'normal' },
});
// 再立刻最小化。两步紧挨着,中间不 await 任何渲染
await b.send('Browser.setWindowBounds', { windowId, bounds: { windowState: 'minimized' } });
}
顺手说一句为什么第一步不能省:如果只是最小化,窗口的"恢复位置"还是启动时的离屏坐标(-32000, -32000)。用户点任务栏图标,窗口会出现在屏幕外——看起来像"点了没反应",比弹窗还让人火大。
坑二:窗口最小化不影响抓取(反直觉)
我一开始以为最小化的窗口会被 Chrome 冻结,页面拿不到东西。于是想了一堆方案:离屏、虚拟桌面、切到别的 workspace。
实测结论:窗口最小化后,页面照样渲染。
Runtime.evaluate取document.body.innerText,正常Page.captureScreenshot截图,拿到的还是完整的 1084×705 画面
前提是启动时别把后台节流打开。这三个参数是必需的:
'--disable-renderer-backgrounding', // 别因为窗口不可见就降级渲染
'--disable-background-timer-throttling', // 别把定时器降频到 1 分钟一次
'--disable-features=CalculateNativeWinOcclusion', // 别把被遮挡的窗口判定为不可见
所以"不打扰"和"能干活"根本不冲突。冲突的是"不想改代码"。
坑三:复用的时候,一行窗口操作都别做
这是最容易犯的错,也是最难查的——因为它不是每次都发生。
典型流程是这样的:
// 每次运行都执行
if (!await isAlive(port)) launch();
const page = await connect();
await page.bringToFront(); // ← 罪魁祸首
await makeWindowVisible(); // ← 还有这个
写这两行的人(包括我)的理由都很充分:万一窗口被最小化了,页面操作会不会失败?
不会。见坑二。
而这两行的实际效果是:每次跑脚本,都把用户手动最小化的窗口重新弹出来。
正确的做法是让"第几次运行"变成一个显式的状态:只有本次是我启动的浏览器,我才摆窗口。
export async function ensure(cfg) {
const ver = await portAlive(cfg.port, 1200);
if (ver) {
const st = readState(cfg.stateFile);
// 端口活着 + pid 还是我记录的那个进程 → 这才叫「我的浏览器」
if (st && st.port === cfg.port && pidAlive(st.pid)) return { launched: false };
throw new Error(`端口 ${cfg.port} 已被别的程序占用`);
}
launch(cfg); // 只有走到这里才启动
return { launched: true };
}
调用方据此决定:
const { launched } = await ensure(cfg);
if (launched) await applyMode(cdp, targetId, 'min'); // 只有新启动才摆窗口
// 复用时:什么都不做
坑四:端口 9222 不等于"你的浏览器"
9222 是所有人的默认端口。你的机器上很可能已经有别的自动化工具(或者某个忘记关的 DevTools)连着它。
如果你的脚本只判断"端口通不通",那它可能正在别人的浏览器上按回车。我见过最坏的情况是:脚本在别人的登录态下发了内容。
所以端口探测必须加一层身份校验——把启动时的 pid 写进一个状态文件,下次用之前确认"这个 pid 还活着,而且它还占着这个端口":
export function pidAlive(pid) {
try { process.kill(pid, 0); return true; } catch { return false; }
}
两条都成立才复用,否则直接报错退出,不要"尽力而为"。宁可脚本失败,也不要在别人的浏览器上操作。
坑五:只有登录时才可以弹窗
扫码登录这件事绕不了,但可以把它的影响压到最小:
- 只有判定"未登录"时才弹
- 弹的时候摆到屏幕中央,而且是正常的窗口大小
- 扫完立刻收回最小化
- 超时 5 分钟后自动收回,不留一个窗口挂在那里
// 只有这一刻才让窗口可见
await b.send('Page.navigate', { url: loginUrl }, sessionId);
await showWindow(b, targetId, sessionId, WINDOW.ON);
// 轮询登录态……(省略轮询代码)
await applyMode(b, targetId, MODE); // 扫完立刻收回
另一个隐蔽的问题:别用 cookie 名字判断登录态。
我在两个平台上都遇到过——Storage.getCookies 在某些时机(页面上下文还没就绪时)返回的是空数组,而 document.cookie 明明有内容;反过来,真正代表登录态的 sessionid 往往是 httpOnly 的,document.cookie 根本看不见。
最稳的判据是:在页面里发一次真实的、只读的业务请求,看它返回的错误码。 浏览器自己会不会带登录态,比任何 cookie 名字都可靠。
坑六:CDP 的 flatten 模式
这个跟"不打扰"无关,但会让前面所有努力卡在第一步。
开了 flatten 模式之后,页面级命令必须先挂到具体页面:
const { targetId } = await b.send('Target.createTarget', { url: 'about:blank' });
const { sessionId } = await b.send('Target.attachToTarget', { targetId, flatten: true });
// 之后每条页面命令都要带 sessionId
await b.send('Runtime.evaluate', { expression: 'location.href', returnByValue: true }, sessionId);
不带就是那个非常容易误判的报错:
'Runtime.evaluate' wasn't found
它不是在说"方法不存在",是在说"你没连到那个页面"。
小结
回头看,这套东西的技术含量并不高——就是几行 API 调用。难的是决定约束自己:
- 只在必要的时候启动浏览器,其余时间复用
- 只在本次是自己启动的时候碰窗口
- 只在登录的时候弹窗,弹完立刻收回
- 端口不对就报错,不做"尽力而为"
最后补一句边界:这类脚本我默认只做读——抓数据、看榜单、整理竞品信息。
写操作(发内容、改设置)全部要求显式开关 + 人工确认之后才执行,而且发布前一定把要发的东西完整打出来给自己看一遍。脚本跑得再顺,也不该让你在"我到底发了什么"这件事上有任何模糊。
能读,不代表该写。
(本文中的代码是真实在用的实现,抽掉了业务细节。)