一次 CDP 调试协议的实战：为什么你的鼠标事件进不了跨域 iframe

一次 CDP 调试协议的实战：为什么你的鼠标事件进不了跨域 iframe

记录一个浏览器架构层面的问题。表面看是"自动化点击失效"，实际是 Chrome 进程模型和调试协议 target 体系的一次正面碰撞。

现象

用 CDP 的 Input.dispatchMouseEvent 在页面上按坐标派发鼠标事件，目标是一个滑块验证码。坐标经过截图核对，准确无误。

事件发出去了，Input.dispatchMouseEvent 返回成功。但页面上的滑块位置没有任何变化。

排除法做了几轮：

• 坐标错误？截图核对两次，排除。
• 元素被遮挡？elementFromPoint 返回的正是该元素，排除。
• 事件被 preventDefault？页面在捕获阶段没有拦截监听器，排除。
• 需要 isTrusted？CDP 的 Input 域事件本身就是 trusted 的，排除。

四次尝试，全部静默失败。

定位：target 体系

翻 Target.getTargets 的返回，能看到完整的调试目标清单。关键发现是这一条：

{
  "targetId": "...",
  "type": "iframe",
  "url": "https://<跨根域>/static/template/drag_ele.html",
  "attached": false
}

真实在跑的 UI，在一个独立的 iframe target 里。

这里要澄清一个常见误解：Page.getFrameTree 和 Target.getTargets 看到的 iframe 集合不是同一个。

Page.getFrameTree 返回的是同进程的 frame 树。跨根域的 iframe 走出进程（Site Isolation），它不会出现在 frame 树里，但会以独立 target 的形式出现在 Target.getTargets 的平铺列表里。

这两个 API 的差异，就是问题所在。

根因：事件路由跟着 session 走

CDP 的事件派发是会话（session）绑定的。

主页面是一个 session。跨域 iframe 是另一个独立 target，需要单独 Target.attachToTarget 才能拿到它自己的 session。

在主页面的 session 上调用 Input.dispatchMouseEvent，事件进入的是主页面所属的渲染进程的输入队列。而那个 iframe 在另一个进程——它的输入队列里什么都没收到。

所以是四次全静默，连失败判定都没有：事件根本没到。

正确路径

Target.getTargets
  → 过滤 type === 'iframe' 且 url 匹配的目标
Target.attachToTarget({ targetId, flatten: true })
  → 得到该 iframe 专属的 sessionId
Runtime.evaluate  (sessionId=<iframe 的>)
  → 读写 iframe 内 DOM
Input.dispatchMouseEvent  (sessionId=<iframe 的>)
  → 事件直达该 iframe 所在进程

三个要点：

1. flatten: true 让子会话复用父连接，不用为每个 target 单开 WebSocket。
2. 坐标是 iframe 局部坐标系，不是主页面视口坐标。这个坑很隐蔽——用视口坐标会偏。
3. Runtime.evaluate 在 iframe session 上执行时，window 是该 iframe 的 window，主页面变量不可见。这是特性不是 bug。

一个更隐蔽的坑：坐标输入的两套路由

Site Isolation 不是简单地"跨域就走独立进程"，它的判定单位是 eTLD+1（可注册域），不是完整域名。

举例说明差异：

主页面	iframe	同注册域？	通道
a.qq.com	b.qq.com	是（都是 qq.com）	同进程，主 session + 祖先视口偏移
a.qq.com	c.com	否	独立进程，需要独立 session

后一种必须走独立 session。前一种如果也去 attach 独立 target，会 attach 失败——因为它压根没有独立 target。

所以实现上要做双通道 fallback：先试独立 target，找不到就回退到主 session 加祖先偏移。

顺带修掉的一个底层 bug

拖动过程中，Input.dispatchMouseEvent 的 mouseMoved 事件必须携带 buttons 位掩码。

位掩码的定义（W3C UI Events）：

• 主键按下 = 1
• 右键按下 = 2
• 中键按下 = 4

拖动期间每一条 mouseMoved 都要带 buttons: 1。缺这个字段，页面侧读到的 e.buttons === 0，逻辑判断直接认为"左键没按住"，整个拖动判定失败。

这个字段在多数自动化库里是自动补的，手写 CDP 派发时容易漏。

收尾

整件事的技术骨架就这么多：CDP session 隔离 + Site Isolation 进程模型 + 位掩码。

它跟反爬检测无关，跟"轨迹像不像人"无关。是个纯粹的架构匹配问题——你得知道事件该往哪个 session 发。

记录完毕。

---

（本文记录的问题与解法，已在开源工具 dyyz1993/xbrowser 中沉淀为可复用能力，支持在 xbrowser CLI 中直接通过 --frame 调度跨域 iframe 会话。）