LaVague项目导航引擎重构：从任意代码执行到结构化输出

背景与问题分析

在现代Web自动化测试和爬虫开发中，导航引擎扮演着至关重要的角色。LaVague项目原有的导航引擎设计采用了直接执行任意代码的方式来实现页面操作，这种设计虽然灵活，但带来了严重的安全隐患和维护难题。任意代码执行不仅增加了系统被恶意利用的风险，还使得引擎与具体浏览器驱动(如Selenium、Playwright等)的耦合度过高，不利于项目的长期维护和扩展。

技术重构方案

LaVague团队决定对导航引擎进行重大重构，将其从执行任意代码的模式转变为输出结构化数据的模式。新的设计将产生类似以下的JSON格式输出：

[
    {
        "Action": "Click",
        "XPath": "..."
    }
]

这种结构化输出包含三个关键信息：

1. 操作类型(Action)：明确指定要执行的操作类型，如点击(Click)、输入(Input)、滚动(Scroll)等
2. 元素定位(XPath)：使用XPath表达式精确定位目标DOM元素
3. 其他参数：根据不同操作类型可能需要附加的参数，如输入文本内容等

架构优势

这种重构带来了多方面的架构优势：

安全性提升：彻底消除了任意代码执行带来的安全隐患，系统不再需要解析和执行不可信的代码片段。

解耦与扩展性：导航引擎不再需要了解具体浏览器驱动的实现细节，只需输出标准化的操作指令。不同浏览器驱动的适配工作可以独立实现，大大提高了系统的可扩展性。

可维护性增强：结构化数据比代码更易于解析、验证和转换，降低了系统维护的复杂度。

调试友好：所有操作指令都以结构化数据形式存在，便于记录、回放和调试自动化流程。

实现细节

在实际实现中，LaVague项目为每种支持的浏览器驱动(Selenium、Playwright、Chrome扩展等)提供了专门的适配层。导航引擎输出的结构化操作指令会被适配层转换为对应驱动的原生API调用。

例如，对于"Click"操作：

• Selenium适配器会将其转换为driver.find_element(By.XPATH, xpath).click()
• Playwright适配器会使用page.locator(xpath).click()

这种设计使得添加对新驱动的支持变得非常简单，只需实现新的适配器即可，无需修改核心导航逻辑。

未来展望

这种结构化输出的设计还为未来功能扩展奠定了基础：

1. 可以轻松添加新的操作类型
2. 支持更多元素定位策略(如CSS选择器)
3. 实现操作序列的持久化存储和回放
4. 开发可视化编辑工具来生成操作指令

LaVague项目的这一架构改进，不仅解决了当前的安全问题，还为Web自动化领域的工程实践提供了有价值的参考。这种清晰的责任划分和接口设计，值得其他类似项目借鉴。