iframe là gì?

Scrapeless Agent Browser chạy các phiên trình duyệt được quản lý cho các quy trình làm việc điều hướng qua các trang chứa tài liệu nhúng.

iframe là một phần tử HTML nhúng một tài liệu riêng biệt bên trong một trang khác. Tài liệu được nhúng có cửa sổ riêng, cây tài liệu riêng, URL riêng và vòng đời điều hướng riêng. Phần tử iframe thuộc về tài liệu cha, trong khi nội dung hiển thị bên trong nó thuộc về ngữ cảnh duyệt con.

Ranh giới đó giải thích một vấn đề tự động hóa quen thuộc: một điều khiển hiển thị trên màn hình, nhưng một selector được đánh giá dựa trên tài liệu cha lại không tìm thấy nó. Selector có thể đúng cho tài liệu con nhưng vẫn đang tìm kiếm ở sai nơi. Hãy coi định danh frame, quy tắc origin và trạng thái sẵn sàng nội dung là các phần riêng biệt của quy trình.

Một tài liệu nhúng khác gì với một phần tử trang

Một iframe lưu trữ một tài liệu khác thay vì trộn các node của tài liệu đó vào tài liệu cha. Phần tử HTML inline frame thiết lập ngữ cảnh duyệt nhúng đó.

Một phần tử chứa thông thường nhóm các node trong cùng một tài liệu. Một iframe cung cấp một vị trí nơi một tài liệu khác có thể được tải và thực thi. Tài liệu cha kiểm soát vị trí và kích thước của phần tử nhúng, trong khi tài liệu con quản lý bố cục nội bộ của riêng nó.

Sự tách biệt này hữu ích cho việc nhúng các ứng dụng, nội dung media, bản đồ hoặc thành phần tài khoản được duy trì độc lập. Nó cũng giới thiệu một phụ thuộc bổ sung: trang cha có thể tải thành công trong khi ứng dụng nhúng vẫn không khả dụng hoặc hiển thị trạng thái lỗi riêng.

Trong các hệ thống trích xuất, hãy giữ nguyên sự phân biệt đó trong chẩn đoán. Điều hướng cha thành công chỉ chứng minh rằng trang cha đã đạt đến một trạng thái cụ thể. Hãy kiểm tra tài liệu con dự định trước khi quyết định rằng các bản ghi được nhúng đã sẵn sàng để thu thập.

Quy tắc origin kiểm soát quyền truy cập script

Chính sách same-origin hạn chế cách các tài liệu từ các origin khác nhau có thể truy cập dữ liệu của nhau thông qua script trên trang. Origin dựa trên scheme, host và port, tùy thuộc vào các quy tắc cụ thể của nền tảng.

Ranh giới bảo mật same-origin cho phép một iframe cross-origin được hiển thị mà không cấp cho trang cha quyền truy cập không giới hạn vào tài liệu nội bộ của nó. Khả năng hiển thị và khả năng đọc bằng script là các quyền khác nhau.

Vì vậy, một script của trang cha có thể giữ một phần tử iframe trong khi không thể đọc DOM của trang con. Hành vi đó là bảo mật trình duyệt mong đợi, không phải bằng chứng cho thấy nội dung con không tải.

Đừng coi việc nhúng cross-origin là lý do để vô hiệu hóa bảo mật trình duyệt. Nếu bạn kiểm soát cả hai ứng dụng và cần giao tiếp, hãy sử dụng một giao diện liên tài liệu được thiết kế sẵn. Nếu bạn tự động hóa một quy trình được ủy quyền thông qua các công cụ cấp trình duyệt, hãy sử dụng giao diện frame được tài liệu hóa của client và tôn trọng các quyền của ứng dụng.

Thông điệp liên tài liệu cần một hợp đồng rõ ràng

Nhắn tin liên tài liệu cho phép các cửa sổ trao đổi thông điệp có cấu trúc mà không để lộ toàn bộ tài liệu của chúng cho nhau. Một tích hợp an toàn xác định những origin nào được phép giao tiếp và những kiểu thông điệp nào được chấp nhận.

Cơ chế giao tiếp postMessage cung cấp một kênh được kiểm soát giữa các ngữ cảnh window. Bên gửi nên nhắm tới origin dự định khi có thể, và bên nhận nên xác thực bên gửi và thông điệp trước khi hành động.

Đối với một thành phần tài khoản được nhúng, một thông điệp có thể thông báo rằng một tương tác được phép đã hoàn tất. Trang cha nên xác minh bên gửi và trạng thái mong đợi thay vì tin tưởng bất kỳ thông điệp nào có tên sự kiện thuận tiện.

Thông điệp là một hợp đồng ứng dụng, không phải là giấy phép truy cập DOM tổng quát. Một trang con báo cáo trạng thái sẵn sàng không tự động cung cấp tất cả dữ liệu nội bộ của nó. Hãy xác định payload thông điệp nhỏ nhất mà tích hợp cần và tránh để lộ thông tin tài khoản không liên quan.

Sandboxing và chính sách nhúng giải quyết các vấn đề khác nhau

Sandboxing iframe giới hạn các khả năng của tài liệu được nhúng, trong khi chính sách nhúng xác định liệu một trang có thể được đặt trong frame bởi các tổ tiên cụ thể hay không. Các cơ chế kiểm soát này áp dụng tại các ranh giới khác nhau.

Thuộc tính sandbox có thể hạn chế script, form, điều hướng và các hành vi khác, với các token khôi phục có chọn lọc các khả năng. Việc thêm token thay đổi mô hình bảo mật, vì vậy hãy chỉ chọn những khả năng mà ứng dụng được nhúng cần.

Một trang được đặt trong frame cũng có thể sử dụng chỉ thị CSP frame-ancestors để kiểm soát những tổ tiên nào có thể nhúng nó. Do đó, một trang từ chối xuất hiện trong frame có thể đang hoạt động đúng như thiết kế.

Hãy chẩn đoán đúng ranh giới thực tế trước khi thay đổi cách nhúng. Nới lỏng một cơ chế kiểm soát không liên quan có thể làm tăng rủi ro mà không giải quyết được vấn đề.

Mức độ sẵn sàng của frame là độc lập với mức độ sẵn sàng của trang cha

Một iframe có thể tải và điều hướng độc lập sau khi tài liệu cha đạt trạng thái sẵn sàng. Nội dung đích bên trong frame cần điều kiện chấp nhận riêng.

Một số trang chỉ chèn iframe sau một hành động của người dùng. Những trang khác tạo phần tử sớm và điều hướng tài liệu con của nó sau đó. Một thành phần bên thứ ba có thể yêu cầu thêm dữ liệu trước khi hiển thị bản ghi mà quy trình của bạn cần.

Tách riêng các bước kiểm tra: phần tử nhúng tồn tại, bối cảnh con dự định được xác định, và ứng dụng con đã đạt trạng thái yêu cầu. Một tài liệu ban đầu trống không chứng minh rằng thành phần cuối cùng là trống.

Hãy sử dụng điều kiện sẵn sàng gắn với nội dung con. Với một biểu mẫu, hãy xác minh nhãn hoặc điều khiển mong đợi trong đúng frame. Với một báo cáo nhúng, hãy xác minh danh tính báo cáo và các trường bắt buộc. Tiêu đề trang cha không thể chứng minh được bất kỳ kết quả nào trong hai kết quả đó.

Ghi nhớ việc điều hướng khi giữ tham chiếu. Một phần tử frame có thể vẫn tồn tại trong khi tài liệu bên trong nó thay đổi. Hãy đánh giá lại trạng thái con sau một lần điều hướng đã biết thay vì cho rằng các tham chiếu tài liệu trước đó vẫn còn giá trị.

Tự động hóa nên chọn frame trước phần tử

Tự động hóa nhận biết frame sẽ chọn bối cảnh con dự định trước khi xác định vị trí các phần tử bên trong nó. Bộ chọn của trang cha không tự động tìm kiếm trong mọi tài liệu được nhúng.

Xác định frame thông qua các thuộc tính ổn định có trên trang thực tế, như ý nghĩa truy cập được, tên, hoặc URL mong đợi của phần tử nhúng. Tránh chỉ phụ thuộc vào chỉ số vì quảng cáo hoặc widget tùy chọn có thể thay đổi thứ tự frame.

Các frame lồng nhau yêu cầu một đường dẫn đi qua nhiều hơn một bối cảnh. Hãy xác nhận từng cấp và tài liệu hiện tại của nó trước khi nhắm đến điều khiển cuối cùng. Một frame có vị trí hiển thị đúng vẫn có thể chứa trạng thái ứng dụng không đúng.

Tự động hóa ở cấp trình duyệt và JavaScript ở trang cha có các khả năng khác nhau. Một client có thể cung cấp khả năng kiểm tra frame thông qua giao diện điều khiển trình duyệt ngay cả khi script trên trang không thể đọc tài liệu con khác nguồn. Điều đó không loại bỏ việc ủy quyền tài khoản hay khiến mọi ứng dụng được bảo vệ đều phù hợp để tự động hóa.

Sau một hành động, hãy xác minh tác động của nó trong bối cảnh sở hữu kết quả. Việc chọn điều khiển bên trong tài liệu con có thể cập nhật chính tài liệu con, gửi thông điệp tới tài liệu cha, hoặc điều hướng một bối cảnh khác. Quy trình làm việc nên tuân theo hợp đồng ứng dụng thực tế.

Hiệu năng và khả năng truy cập thuộc về phần nhúng

Một iframe giới thiệu một vòng đời tài liệu và tài nguyên riêng, vì vậy nó xứng đáng có các quyết định tải và khả năng truy cập riêng. Nhúng một trang không khiến chi phí hay yêu cầu tương tác của nó biến mất.

Hãy đặt cho iframe một tiêu đề có ý nghĩa giúp người dùng nhận diện nội dung được nhúng. Tài liệu con vẫn cần các điều khiển có thể truy cập và hành vi focus hữu ích. Một tiêu đề trang cha mang tính mô tả không thể sửa một ứng dụng con không thể truy cập.

Hãy sử dụng hành vi tải phù hợp với nội dung. Trì hoãn việc nhúng ngoài màn hình có thể giảm khối lượng ban đầu, nhưng một quy trình làm việc cần dữ liệu của nó phải tính đến thời điểm nó thực sự được tải. Đừng diễn giải việc tải trì hoãn là nội dung bị thiếu.

Cũng hãy cân nhắc cách hiển thị khi lỗi xảy ra. Nếu một báo cáo nhúng không thể tải, người dùng cần một trạng thái rõ ràng thay vì một hình chữ nhật trống. Tự động hóa có thể sử dụng cùng sự phân biệt đó để tách một báo cáo trống khỏi một thành phần không khả dụng.

Làm việc với frame trong Scrapeless Agent Browser

Scrapeless Agent Browser cung cấp một môi trường runtime được quản lý cho các quy trình trình duyệt chứa tài liệu được nhúng. Giao diện kết nối Puppeteer cung cấp kết nối trình duyệt; việc nhận diện frame và các kiểm tra ở cấp trang vẫn là một phần trong logic tự động hóa của bạn.

Quy trình trích xuất iframe cung cấp ngữ cảnh liên quan để chọn tài liệu con bằng client trình duyệt. Một môi trường được quản lý không gộp DOM của frame hoặc loại bỏ nhu cầu chờ ứng dụng con dự định.

Hãy xem lại bảng giá Scrapeless khi lập kế hoạch một khối lượng công việc render. Đánh giá các trang tiêu biểu có chứa frame mà tác vụ của bạn phụ thuộc vào, và đo lường việc trích xuất bản ghi thành công thay vì chỉ đếm lượt tải trang cha.

Kết luận

Một iframe là một tài liệu riêng được nhúng trong một trang khác. Tích hợp và tự động hóa đáng tin cậy phụ thuộc vào việc hiểu ranh giới nguồn gốc, các giới hạn khả năng, danh tính frame và mức độ sẵn sàng của ứng dụng con. Hãy xác định đúng bối cảnh, xác minh trạng thái ứng dụng của nó và xác nhận kết quả tại nơi trạng thái đó thực sự tồn tại.