AI 科技資訊人工智慧的新知入口
首頁 / Patchright 是什麼?比 Playwright 更像真人瀏覽器的自動化工具

Patchright 是什麼?比 Playwright 更像真人瀏覽器的自動化工具

Patchright 是 Playwright 的修補版,用法幾乎相同,但修掉了容易被網站辨識為「自動化程式」的特徵。本文用白話說明它解決什麼問題、和 Playwright 有什麼不同、在伺服器上怎麼跑,以及使用時必須注意的規範與限制。

本文導覽
  1. 一句話重點
  2. 它解決什麼問題?
  3. 核心特色
  4. 它和類似工具有什麼不同?
  5. 在伺服器上實際跑起來
  6. 非工程背景的人需要知道什麼?
  7. 適合誰使用?
  8. 可能不適合誰?
  9. 使用規範與風險
  10. 目前可以怎麼開始?
  11. 我們的觀察
  12. 來源

如果你用過 Playwright 自動開網頁、讀資料,可能遇過這種狀況:同一個頁面,自己用瀏覽器打開很正常,換成程式打開卻卡在「請稍候」或驗證畫面。

原因通常不是網址錯了,而是網站看出「這是自動化程式」。Patchright 就是為了這個情況出現的:它是 Playwright 的修補版,寫法幾乎不用改,但把容易被辨識的特徵拿掉了。

如果 Playwright 是一位穿著制服的機器人,Patchright 就是同一位機器人換上便服:做的事情一樣,只是不再一眼就被認出來。

一句話重點

Patchright 是開源的 Playwright 替代品,修補了 Chromium 自動化時會洩漏的訊號,讓程式控制的瀏覽器更接近一般使用者。它適合讀取公開資訊、測試自己的網站,但不會替你取得登入才看得到的內容,也不代表可以忽略網站規範。

它解決什麼問題?

很多網站會用防機器人機制(bot detection)判斷訪客是不是程式,例如 Cloudflare 的驗證頁。這些機制會檢查瀏覽器有沒有「自動化的痕跡」。

一般的 Playwright 是為測試而設計的,所以會留下不少痕跡,例如:

  • 啟動 Chrome 時帶上 --enable-automation 這類旗標(flag,啟動參數)。
  • 透過 Chrome DevTools Protocol(CDP,程式遙控 Chrome 的通道)開啟某些功能時,網頁端可以察覺。
  • 瀏覽器的 navigator.webdriver 等屬性顯示「正在被程式控制」。

對測試自己的網站來說,這些痕跡無傷大雅;但要讀取有防護的公開頁面時,就常常被擋在門外。

核心特色

1. 幾乎可以直接替換 Playwright

官方說明它可以作為 Playwright 的「drop-in replacement」(直接替換品)。以 Python 為例,通常只要改 import:

# 原本
from playwright.sync_api import sync_playwright
# 改成
from patchright.sync_api import sync_playwright

後面的 page.goto()、locator()、inner_text() 等寫法都一樣。

2. 修掉常見的自動化訊號

根據官方 README,Patchright 主要修補了:

  • Runtime.enable 洩漏:改在隔離的執行環境(isolated ExecutionContext)裡跑 JavaScript,避開這個容易被偵測的呼叫。
  • Console.enable 洩漏:直接關閉 Console API。代價是你在程式裡讀不到網頁的 console 訊息。
  • 啟動旗標:加上 --disable-blink-features=AutomationControlled,並移除 --enable-automation 等旗標。
  • 封閉的 Shadow Root:可以操作放在 closed shadow root 裡的元素。

3. 官方建議用「真的 Chrome」

官方的最佳實務是使用系統安裝的 Google Chrome、有畫面模式(非 headless),並搭配持久的使用者資料夾:

context = p.chromium.launch_persistent_context(
    user_data_dir="./profile",
    channel="chrome",
    headless=False,
    no_viewport=True,
    # 不要自己改 user_agent 或加自訂標頭
)

意思是:越接近一般人真的在用的瀏覽器,越不容易被誤判。

它和類似工具有什麼不同?

工具 定位 支援瀏覽器 適合做什麼
Playwright 官方測試與自動化框架 Chromium、Firefox、WebKit 網站測試、一般自動化
Patchright Playwright 的修補版 只有 Chromium 系 讀取有防機器人機制的公開頁面
Selenium 老牌自動化框架 多數主流瀏覽器 既有測試系統、跨語言整合
一般 HTTP 抓取(curl、requests) 直接下載 HTML 不需要瀏覽器 靜態頁、API

簡單說:能用 API 或一般抓取就先用;需要真的瀏覽器才看得到內容時再用 Playwright;Playwright 被誤擋時才考慮 Patchright。

在伺服器上實際跑起來

我們在 Linux 伺服器上用 Patchright 讀取兩類公開頁面:一類是有 Cloudflare 驗證的觀光活動頁,另一類是不需登入就能看的 Facebook 粉專公開貼文。幾個實務上的發現:

  • 伺服器沒有螢幕,要配虛擬顯示器。 官方建議 headless=False,在沒有桌面的主機上可用 xvfb-run 提供虛擬螢幕:

    xvfb-run -a python fetch.py
    
  • 使用系統 Chrome,而不是內建 Chromium。 搭配 channel="chrome",Chrome 更新後要留意是否仍正常。

  • 每個任務用自己的資料夾。 不同用途共用同一個 user_data_dir 容易互相干擾,也比較難管理 cookie。

  • 放慢速度。 每頁之間停幾秒、只抓需要的頁面,並把結果快取起來,已讀過的就不再連線。

  • 失敗要能退回。 防護機制隨時會更新。程式應該在讀取失敗時保留原本的資料,而不是讓整個流程中斷。

非工程背景的人需要知道什麼?

Patchright 讓「程式代替人去看網頁」變得更可行,這也是 AI 代理人(AI agent)能幫你查資料、整理公告的基礎之一。

但它不是萬能鑰匙。要登入才看得到的內容,它一樣看不到;網站明確禁止自動擷取的內容,用了它也不會變得合法。

適合誰使用?

  • 需要定期整理公開公告、活動資訊的內容編輯與網站維運者。
  • 測試自己網站在真實瀏覽器下表現的開發者。
  • 想讓 AI 代理人讀取公開網頁的人。

可能不適合誰?

  • 想繞過登入、付費牆或存取權限的人:這不是它的用途,也可能違法。
  • 需要 Firefox 或 Safari(WebKit)的測試:Patchright 只支援 Chromium 系瀏覽器。
  • 需要讀取網頁 console 訊息來除錯的人:這個功能被關閉了。
  • 需要大量、高頻率擷取的服務:對網站造成負擔,也容易違反服務條款。

使用規範與風險

官方 README 寫明此專案「僅供教育用途」、使用風險自負,任何誤用或違法責任由使用者承擔。使用前請確認:

  • 網站的服務條款與 robots.txt 是否允許自動擷取。
  • 只讀取公開資訊,不收集個人資料。
  • 控制頻率,不要影響網站正常服務。
  • 讀到的內容只當作「來源素材」,引用前仍要核對原始公告。

另外,官方也提到 Patchright 並未通過全部的 Playwright 測試,部分功能(例如注入初始化腳本)可能有副作用。升級版本後要重新測試。

目前可以怎麼開始?

Python 版安裝方式:

pip install patchright
patchright install chrome

Node.js 版的套件名稱同樣是 patchright。官方另有社群維護的 .NET 版本。

我們的觀察

Patchright 的價值不在「破解」,而在讓自動化瀏覽器恢復成一般瀏覽器的樣子。對讀取公開資訊的人來說,它省下了大量被誤擋後的除錯時間。

但防機器人機制一直在變,今天可用不代表明天可用。比較穩健的做法是把它當成備援:能用官方 API 或開放資料就先用,真的需要瀏覽器時才啟用 Patchright,並且保留失敗時的退路。

來源