如何在 Docker 镜像上运行 Puppeteer 和 Node.js？

Question

我已经使用 Puppeteer 和 Node.js 构建了一个网站抓取工具，现在我想对其进行 dockerize。我尝试了多种方法来解决这个问题，但是当 puppeteer 尝试启动浏览器进行抓取时遇到问题。

我当前的基本 Dockerfile，没有 Puppeteer 或任何其他依赖项： 我尝试了多种方法来从各个方面更新此 Dockerfile（添加 chrome、puppeteer），但不起作用

# Use Node.js runtime as the base image
FROM node:18

# Set the working directory in the container
WORKDIR /usr/src/app

# Copy package.json and package-lock.json to the working directory
COPY package*.json ./

# Install dependencies
RUN npm install

# Copy the rest of the application code
COPY . .

# Expose the port the app runs on
EXPOSE 8080

# Command to run the application
CMD ["node", "scraper.js"]

代码： 触发/启动浏览器的片段

// Launch browser
const browser = await launch({ headless: true, defaultViewport: null });

有人可以帮助我吗？我该如何解决这个问题才能理想地工作？

从这里、这里和这里

尝试了各种可能的方法

遇到错误：

抓取过程中发生错误：错误：无法启动浏览器进程！ 网络爬虫-1 | Rosetta 错误：无法在 /lib64/ld-linux-x86-64.so.2 打开 elf 网络爬虫-1 |
网络爬虫-1 | 网络爬虫-1 | 网络爬虫-1 |故障排除：https://pptr.dev/troubleshooting 网络爬虫-1 | 网络爬虫-1 |在 Interface.onClose （文件:///usr/src/app/node_modules/@puppeteer/browsers/lib/esm/launch.js:301:24） 网络爬虫-1 |在 Interface.emit （节点：事件：529：35） 网络爬虫-1 |在 Interface.close （节点：内部/readline/接口：534：10） 网络爬虫-1 |在 Socket.onend （节点：内部/readline/接口：260:10） 网络爬虫-1 |在 Socket.emit （节点：事件：529：35） 网络爬虫-1 |在 endReadableNT（节点：内部/流/可读：1400：12） 网络爬虫-1 |在 process.processTicksAndRejections （节点：内部/进程/task_queues：82：21）

Answer 1

这个解决方案对我有用。

要在 Docker 容器内运行 Puppeteer，您应该手动安装 Google Chrome，因为与 Debian 提供的 Chromium 软件包相比，Chrome 只提供最新的稳定版本。

此外，如果您像我一样使用基于 ARM 的 CPU (Apple M1)，则在构建 Docker 映像时应该使用

--platform linux/amd64

参数。

构建命令：

docker build --platform linux/amd64 -t <image-name> .

注意：确保更新puppeteer脚本，在启动puppeteer浏览器时添加可执行路径与我们最近在机器上安装的chrome的路径。

const browser = await launch({
   headless: true,
   defaultViewport: null,
   executablePath: '/usr/bin/google-chrome',
   args: ['--no-sandbox'],
});