Ang headless browser ay isang web browser na tumatakbo nang walang graphical user interface at kinokontrol ng code, ngunit naglo-load pa rin ng mga pahina, nag-e-execute ng JavaScript at nagre-render ng content tulad ng isang normal na browser. Ang Chrome at Firefox ay parehong sumusuporta sa headless mode nang katutubo, at ang mga library tulad ng Puppeteer, Playwright at Selenium ay ginagamit para sa testing, automation at web scraping.
Mga Tool ng Headless Browser at Kailan Ito Gamitin
Nag-aalok ang Puppeteer, Playwright at Selenium ng programmatic control sa navigation, pag-click, pag-fill ng form, at paghihintay sa dynamic content na mag-load. Ayon sa dokumentasyon ng Scrapy, ang pag-reproduce ng mga request na naglalaman ng data ang preferred na paraan, at inirerekomenda ang headless browser kapag mahirap i-reproduce ang mga request na iyon.
Ano ang mga Gamit ng Headless Browsers
Ang scraping ay isa lamang sa mga gamit. Ang iba pa ay kinabibilangan ng:
- Automated testing: Pagsasagawa ng end-to-end tests at JavaScript library test suites nang hindi nagbubukas ng window.
- Screenshots at PDFs: Maaaring kumuha ng screenshot ng isang pahina gamit ang
--screenshotflag o i-save ito gamit ang--print-to-pdf. - Unattended automation: Pagsasagawa ng mga browser tasks sa mga server o sa CI pipelines, kung saan walang display.
Paano Kinokontrol ang isang Headless Browser
Sinisimulan mo ang browser sa headless mode, pagkatapos ay nagpapadala ka ng mga utos mula sa isang script. Ang Chrome ay tumatakbo sa headless gamit ang --headless flag. Ang Puppeteer ay naglulunsad ng Chrome o Firefox na headless bilang default at kinokontrol ito sa pamamagitan ng Chrome DevTools Protocol o WebDriver BiDi. Ang Selenium ay gumagamit ng W3C WebDriver standard. Ang script ay nagsasabi sa browser kung aling mga pahina ang bubuksan at kung ano ang gagawin dito, pagkatapos ay binabasa ang resulta pabalik.