zhaopin/skill/references/windows-remote-scraping.md

Windows 远程抓取环境配置

连接方式

网络	地址	备注
外网（当前）	sshpass -p 'xxx' ssh -p 7022 sshadmin@8.152.213.143	通过内网穿透NAT端口转发，当前唯一可用
内网	sshadmin@192.168.100.176	Windows内网IP，外部不可达
旧内网	~~sshadmin@192.168.50.99~~	已失效（2026-06-22 迁移后）

SSH 使用 sshpass 密码认证（无密钥认证）。~/.ssh/config 中配置了 Host windows-hr 别名。

环境状态（截至 2025-05-20）

• 环境状态（截至 2025-05-20）
• Chrome: ✅ 已安装（C:\Program Files\Google\Chrome\Application\chrome.exe）
• Node.js: ✅ v22.18.0 + npm 10.9.3（MSI 静默安装）
• Playwright: ✅ playwright-core（npm install playwright-core）
• better-sqlite3: ✅（npm install better-sqlite3）
• 工作目录: C:\recruitment\
• 数据库路径: C:\recruitment\recruitment.db（从 Linux SCP 同步）
• 脚本路径: C:\recruitment\zhaopin-scrape.js（跨平台，通过 RECRUITMENT_DB 环境变量指定数据库路径）

已完成的部署步骤

# 1. 安装 Node.js（MSI 静默安装）
# 下载地址：https://nodejs.org/dist/v22.18.0/node-v22.18.0-x64.msi
msiexec /i node-v22.18.0-x64.msi /quiet /norestart

# 2. 创建工作目录
mkdir C:\recruitment
cd C:\recruitment
npm init -y

# 3. 安装依赖
npm install playwright-core better-sqlite3

# 4. 部署数据库（从 Linux SCP）
# Linux 端：scp ~/.hermes/data/recruitment/recruitment.db sshadmin@192.168.50.99:C:/recruitment/

# 5. 部署脚本（注意跨平台路径处理）
# 脚本通过 process.env.RECRUITMENT_DB 获取数据库路径
# Windows 端设置：set RECRUITMENT_DB=C:\recruitment\recruitment.db

✅ 已解决：SSH 会话隔离导致 CDP 端口不可达

现象

Chrome 通过 SSH 会话以 --remote-debugging-port=9222 启动后：

• netstat -ano | findstr 9222 显示端口 LISTENING ✅
• curl http://127.0.0.1:9222/json/version 连接失败 ❌

根因

Windows Session 隔离 — SSH 会话和 Chrome 进程运行在不同的 Windows 会话中，网络命名空间不共享。

✅ 已验证的解决方案：RDP + SSH 端口转发

实际使用的工作流程（已验证通过）：

1. 用户 RDP 登录 Windows 桌面
2. 在 Windows 桌面用快捷方式启动 Chrome（调试模式 + 独立 user-data-dir）
3. Linux 端建立 SSH 端口隧道：ssh -N -L 9223:127.0.0.1:9222 sshadmin@192.168.50.99
4. 脚本在 Linux 上运行，通过 CDP_PORT=9223 环境变量连接隧道端口
5. 数据直接写入 Linux 本地 SQLite 数据库，无需同步

关键细节：

• 隧道端口用 9223 避免和 Linux 本地 9222 冲突
• Chrome 必须用 --user-data-dir 指定独立目录（默认目录被锁定，不能直接用）
• SSH 隧道必须保持连接，断开就失效
• headless 模式下 CDP 端口可达，但推荐用桌面模式（用户可可视监控）

❌ 已验证无效的方案

方案	结果
SSH 会话内 start "" "chrome.exe" --remote-debugging-port=9222	进程不启动（session 隔离）
SSH 会话内 powershell Start-Process "chrome.exe" -ArgumentList ...	进程不启动（session 隔离）
SSH 会话内直接执行 chrome.exe --remote-debugging-port=9222	端口 LISTENING 但不可达
curl http://127.0.0.1:9222/json/version（SSH 会话内）	连接失败
--remote-allow-origins=*	无关，这是 CORS 配置

✅ 推荐：Windows 计划任务远程启动（2026-06-02 验证）

Windows 上已配置两个计划任务，可通过 SSH 远程启动浏览器（绕过 session 隔离）：

# 启动 Chrome Debug（hr1，CDP 9222）
sshpass -p 'xxx' ssh -p 7022 sshadmin@8.152.213.143 "schtasks /run /TN \"ChromeDebug\""

# 启动 Edge Debug（hr2，CDP 9224）
sshpass -p 'xxx' ssh -p 7022 sshadmin@8.152.213.143 "schtasks /run /TN \"LaunchEdgeDebug\""

命令：

计划任务名	启动内容
ChromeDebug	"C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222
LaunchEdgeDebug	"C:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe" --remote-debugging-port=9224 --user-data-dir=C:\temp\edge-debug

原理： 计划任务在桌面 session（Session 1）中执行，与 RDP 登录同 session，所以 GUI 进程能正常启动且 CDP 端口可达。start 和 Start-Process 通过 SSH（Session 0）执行，进程要么不启动要么 CDP 不可达。

验证步骤（Edge 启动后需 ~6 秒才能 CDP 就绪）：

sleep 6
ssh sshadmin@192.168.50.99 "curl -s --connect-timeout 5 http://127.0.0.1:9224/json/version"
# 应返回 {"Browser":"Edg/148.0.3967.96",...,"webSocketDebuggerUrl":"ws://..."}

Edge 启动后默认只打开空白 newtab 页，需要通过 CDP 导航到推荐页或用户在桌面手动操作。

Edge 启动方式（双账号 hr2）

安装路径

C:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe

⚠️ Windows 用户目录实际路径（2026-06-26 确认）

通过 SSH echo %USERPROFILE% 确认实际用户目录为 C:\Users\sshadmin.WIN-3NKO8I5R9IJ（不是 C:\Users\sshadmin）。

• Chrome user-data-dir 应检查是否也需要更新（当前配置为 C:\temp\chrome-debug）
• Edge user-data-dir 需用完整路径：C:\Users\sshadmin.WIN-3NKO8I5R9IJ\AppData\Local\Microsoft\Edge\UserData-hr2
• 路径中避免空格（用 UserData-hr2 不用 User Data hr2），PowerShell Start-Process -ArgumentList 解析含空格路径时可能出错

远程启动（推荐：schtasks）

# 通过 SSH 用计划任务启动（绕过 session 隔离）
sshpass -p 'xxx' ssh -p 7022 sshadmin@8.152.213.143 "schtasks /run /TN \"LaunchEdgeDebug\""
sleep 6  # Edge 启动较慢

⚠️ 计划任务 LaunchEdgeDebug 的 user-data-dir 可能需要更新： 当前配置为 C:\temp\edge-debug，需在 Windows 上检查该目录是否还存在，必要时更新为 C:\Users\sshadmin.WIN-3NKO8I5R9IJ\AppData\Local\Microsoft\Edge\UserData-hr2。

❌ SSH 远程启动 Edge（已确认无效，pitfalls #74）

通过 SSH 用 powershell Start-Process 或 cmd /c start 启动 Edge：

• 进程可能启动（tasklist 可见 msedge.exe）
• 端口可能短暂 LISTENING
• 但 CDP 端口不可达（curl 返回空或连接失败）
• 端口 LISTENING 后会自动释放（Edge 在 Session 0 中运行异常）
• 即使是 powershell Start-Process 也会失败 — 2026-06-26 实测确认

根因： SSH 登录在 Session 0（services session），Edge 启动在 Session 0 而非桌面 Session 1。GUI 进程在 Session 0 中 CDP 端口不稳定，会短暂监听后释放。

唯一可靠远程方式：schtasks /run（计划任务在桌面 session 执行）。

桌面快捷方式（备选）

⚠️ 2026-06-02 发现：桌面无 Edge Debug.lnk 快捷方式，只有 Chrome Debug.lnk。计划任务 LaunchEdgeDebug 是唯一远程启动方式。如需创建快捷方式：

$WshShell = New-Object -ComObject WScript.Shell
$Shortcut = $WshShell.CreateShortcut("C:\Users\Administrator\Desktop\Edge Debug.lnk")
$Shortcut.TargetPath = "C:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe"
$Shortcut.Arguments = "--remote-debugging-port=9224 --user-data-dir=C:\temp\edge-debug"
$Shortcut.Save()

⚠️ Edge 同样受 Windows Session 隔离限制

通过 SSH 会话远程 Start-Process 启动的 Edge，CDP 端口 9224 虽然显示 LISTENING 但不可达，和 Chrome 完全相同的问题。必须通过计划任务或桌面快捷方式启动。详见上方"已验证无效方案"章节。

验证 CDP 连通性

# Linux 端，通过隧道验证
curl -s --connect-timeout 5 http://127.0.0.1:9225/json/version
# 应返回 JSON，含 Browser 字段为 "Microsoft Edge/..."

Chrome 启动方式

方式1：桌面快捷方式（推荐，已验证）

在 Windows 桌面创建快捷方式，用户双击启动：

# 通过 SSH 创建桌面快捷方式（一次性）
$WshShell = New-Object -ComObject WScript.Shell
$Shortcut = $WshShell.CreateShortcut('C:\Users\Administrator\Desktop\Chrome Debug.lnk')
$Shortcut.TargetPath = 'C:\Program Files\Google\Chrome\Application\chrome.exe'
$Shortcut.Arguments = '--remote-debugging-port=9222 --user-data-dir=C:\temp\chrome-debug'
$Shortcut.Save()

⚠️ user-data-dir 必须用独立目录： Chrome 默认的 User Data 目录被已运行的 Chrome 实例锁定，直接使用会报错。必须先复制一份：

# 首次使用：复制默认 Chrome 配置（保留登录态和 Cookie）
robocopy "C:\Users\Administrator\AppData\Local\Google\Chrome\User Data" "C:\temp\chrome-debug" /E

方式2：SSH 命令行启动

# headless 模式（SSH 会话内 CDP 端口可达，但用户看不到浏览器）
& "C:\Program Files\Google\Chrome\Application\chrome.exe" --headless=new --remote-debugging-port=9222 --user-data-dir=C:\temp\chrome-debug

Linux 端操作

# 1. 建立 SSH 端口隧道（后台运行，保持连接）
ssh -N -L 9223:127.0.0.1:9222 sshadmin@192.168.50.99 &

# 2. 验证 CDP 连接
curl -s http://localhost:9223/json/version

# 3. 运行抓取脚本（通过环境变量指定端口）
cd /home/kt/scripts && CDP_PORT=9223 node zhaopin-scrape.js 20

数据存储

当前方案：脚本在 Linux 运行，数据直接写入 Linux 本地数据库，无需同步。

• 数据库路径：/home/kt/.hermes/data/recruitment/recruitment.db
• Windows 上不需要维护数据库副本
• 脚本通过 RECRUITMENT_DB 环境变量自动检测系统并使用对应路径（Linux 默认，Windows 通过环境变量覆盖）

网络环境限制（重要）

⚠️ Windows 机器无法插网线（用户确认 2026-06-01），WiFi 是唯一网络方式。

项目	值
WiFi 网卡	Qualcomm QCA9565 802.11b/g/n
连接 AP	HUAWEI-2.4G-HHVT (2.4GHz, 频道1)
信号强度	~34%
链路速度	72.2 Mbps
以太网口	Realtek PCIe GbE，状态 Disconnected（不可用）

影响： 2.4GHz WiFi 信号弱 + 干扰大 → SSH 隧道间歇性断连。物理层无法优化。

应对措施（三层防御）：

1. SSH 双向保活（ServerAliveInterval=15 + ClientAliveInterval=30）
2. ssh-tunnel-watchdog.sh 隧道守护（每10秒检测，断了自动重建）
3. batch-runner.js 内置 waitForCdpRecovery()（CDP断开等5分钟恢复，不直接停止）

注意事项

1. Windows SSH 服务器是 OpenSSH for Windows，部分 Linux 命令不可用
2. 路径分隔符是 \\，脚本中注意跨平台兼容
3. PowerShell 和 CMD 行为不同，脚本中优先用 Node.js API 而非 shell 命令
4. Windows 防火墙可能阻止 CDP 端口（9222），需确认放行
5. SSH 端口隧道的本地端口用 9223（避免和 Linux 本地 9222 冲突）
6. Chrome --user-data-dir 必须是独立目录，默认目录被锁定
7. SSH 隧道必须保持连接，断开后脚本无法连接 Chrome
8. Windows 端 PowerShell 转义引号复杂，建议通过 powershell -Command "..." 执行
9. 脚本通过 CDP_PORT 环境变量指定 CDP 端口，默认 9222