无论是做音视频会议，还是做远程教育，共享桌面都是一个必备功能。如果说在 PC 或 Mac 端写个共享桌面程序你不会有太多感受，但通过浏览器也可以共享桌面是不是觉得就有些神奇了呢？

WebRTC 的愿景就是要让这些看似神奇的事情，不知不觉地发生在我们身边。

你可以想象一下，假如浏览器有了共享桌面功能，这会使得浏览器有更广阔的应用空间，一个最直接的例子就是我们可以直接通过浏览器进行远程办公、远程协助等工作，而不用再下载共享桌面的应用了，这大大提高了我们的工作效率。

在 WebRTC 处理过程中的位置

在正式进行主题之前，我们还是来看看本文在整个 WebRTC 处理过程中的位置，如下图所示：

WebRTC 处理过程图

没错，它仍然属于音视频采集的范畴，但是这次采集的不是音视频数据而是桌面。不过这也没什么关系，桌面也可以当作一种特殊的视频数据来看待。

共享桌面的基本原理

共享桌面的基本原理其实非常简单，我们可以分“两头”来说明：

  • 对于共享者，每秒钟抓取多次屏幕（可以是 3 次、5 次等），每次抓取的屏幕都与上一次抓取的屏幕做比较，取它们的差值，然后对差值进行压缩；如果是第一次抓屏或切幕的情况，即本次抓取的屏幕与上一次抓取屏幕的变化率超过 80% 时，就做全屏的帧内压缩，其过程与 JPEG 图像压缩类似（有兴趣的可以自行学习）。最后再将压缩后的数据通过传输模块传送到观看端；数据到达观看端后，再进行解码，这样即可还原出整幅图片并显示出来。
  • 对于远程控制端，当用户通过鼠标点击共享桌面的某个位置时，会首先计算出鼠标实际点击的位置，然后将其作为参数，通过信令发送给共享端。共享端收到信令后，会模拟本地鼠标，即调用相关的 API，完成最终的操作。一般情况下，当操作完成后，共享端桌面也发生了一些变化，此时就又回到上面共享者的流程了，我就不再赘述了。

通过上面的描述，可以总结出共享桌面的处理过程为：抓屏、压缩编码、传输、解码、显示、控制这几步，你应该可以看出它与音视频的处理过程几乎是一模一样的。

对于共享桌面，很多人比较熟悉的可能是RDP（Remote Desktop Protocal）协议，它是 Windows 系统下的共享桌面协议；还有一种更通用的远程桌面控制协议——VNC（Virtual Network Console），它可以实现在不同的操作系统上共享远程桌面，像 TeamViewer、RealVNC 都是使用的该协议。

以上的远程桌面协议一般分为桌面数据处理与信令控制两部分。

  • 桌面数据：包括了桌面的抓取 (采集)、编码（压缩）、传输、解码和渲染。
  • 信令控制：包括键盘事件、鼠标事件以及接收到这些事件消息后的相关处理等。

其实在 WebRTC 中也可以实现共享远程桌面的功能。但由于共享桌面与音视频处理的流程是类似的，且WebRTC 的远程桌面又不需要远程控制，所以其处理过程使用了视频的方式，而非传统意义上的 RDP/VNC 等远程桌面协议。

下面我们就按顺序来具体分析一下，在桌面数据处理的各个环节中，WebRTC 使用的方式与 RDP/VNC 等真正的远程桌面协议的异同点吧。

第一个环节，共享端桌面数据的采集。WebRTC 对于桌面的采集与 RDP/VNC 使用的技术是相同的，都是利用各平台所提供的相关 API 进行桌面的抓取。以 Windows 为例，可以使用下列 API 进行桌面的抓取。

  • BitBlt：XP 系统下经常使用，在 vista 之后，开启 DWM 模式后，速度极慢。
  • Hook：一种黑客技术，实现稍复杂。
  • DirectX：由于 DirectX 9/10/11 之间差别比较大，容易出现兼容问题。最新的 WebRTC 都是使用的这种方式
  • GetWindowDC：可以通过它来抓取窗口。

第二个环节，共享端桌面数据的编码。WebRTC 对桌面的编码使用的是视频编码技术，即 H264/VP8 等；但 RDP/VNC 则不一样，它们使用的是图像压缩技术。使用视频编码技术的好处是压缩率高，而坏处是在网络不好的情况下会有模糊等问题。

第三个环节，传输。编码后的桌面数据会通过流媒体传输协议发送到观看端。对于 WebRTC 来说，当网络有问题时，数据是可以丢失的。但对于 RDP/VNC 来说，桌面数据一定不能丢失。

第四个环节，观看端解码。WebRTC 对收到的桌面数据通过视频解码技术解码，而 RDP/VNC 使用的是图像解码技术（可对比第二个环节）。

第五个环节，观看端渲染。一般会通过 OpenGL/D3D 等 GPU 进行渲染，这个 WebRTC 与 RDP/VNC 都是类似的。

通过以上的讲解，相信你应该已经对共享远程桌面有一个基本的认知了，并且也知道在浏览器下使用 WebRTC 共享远程桌面，你只需要会使用浏览器提供的 API 即可。

因此本文的目标就是：你只需要学会和掌握浏览器提供的抓取屏幕的 API 就可以了。至于编码、传输、解码等相关知识，我会在后面的文章中陆续为你讲解。

如何共享桌面

学习完共享桌面相关的理论知识，接下来，就让我们实践起来，一起来学习如何通过浏览器来抓取桌面吧！

1. 抓取桌面

首先我们先来了解一下在浏览器下抓取桌面的 API 的基本格式：

1
2


var promise = navigator.mediaDevices.getDisplayMedia(constraints);

这个 API 你看着是不是似曾相识？没错，它与前面《01 | 原来通过浏览器访问摄像头这么容易》一文中介绍的采集视频的 API 基本上是一样的，我们可以再看一下采集视频的 API 的样子：

1
2


var promise = navigator.mediaDevices.getUserMedia(constraints);

二者唯一的区别就是：一个是getDisaplayMedia，另一个是getUserMedia。

这两个 API 都需要一个constraints参数来对采集的桌面 / 视频做一些限制。但需要注意的是，在采集视频时，参数constraints也是可以对音频做限制的，而在桌面采集的参数里却不能对音频进行限制了，也就是说，不能在采集桌面的同时采集音频。这一点要特别注意。

下面我们就来看一下如何通过 getDisplayMedia API 来采集桌面：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38


...

 // 得到桌面数据流

function getDeskStream(stream){

        localStream = stream;

}

 // 抓取桌面

function shareDesktop(){

         // 只有在 PC 下才能抓取桌面

        if(IsPC()){

                // 开始捕获桌面数据

                navigator.mediaDevices.getDisplayMedia({video: true})

                        .then(getDeskStream)

                        .catch(handleError);

                 return true;

        } 
         

        return false;
         

}  

 ...

通过上面的方法，就可以获得桌面数据了，让我们来看一下效果图吧：

Chrome 浏览器共享桌面图

2. 桌面的展示

桌面采集后，就可以通过 HTML 中的<video>标签将采集到的桌面展示出来，具体代码如下所示。

首先，在 HTML 中增加下面的代码，其中<video>标签用于播放抓取的桌面内容：

1
2
3
4
5
6


...

<video autoplay playsinline id="deskVideo"></video>

...

下面的 JavaScript 则将桌面内容与<video>标签联接到一起：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


 ...

 var deskVideo = document.querySelect("video/deskVideo");

 ...

 function getDeskStream(stream){

        localStream = stream;

        deskVideo.srcObject = stream;

 }

 ...

在 JavaScript 中调用getDisplayMedia方法抓取桌面数据，当桌面数据被抓到之后，会触发 getDeskStream 函数。我们再在该函数中将获取到的 stream 与 video 标签联系起来，这样当数据获取到时就从播放器里显示出来了。

3. 录制桌面

录制本地桌面与《04 | 可以把采集到的音视频数据录制下来吗？》一文中所讲的录制本地视频的过程是一样的。首先通过getDisplayMedia方法获取到本地桌面数据，然后将该流当作参数传给 MediaRecorder 对象，并实现ondataavailable事件，最终将音视频流录制下来。

具体代码如下所示，我们先看一下 HTML 部分：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


<html>

...

<body>

    ...

    <button id="record">Start Record</button>

    ...

</body>

</html>

上面的 HTML 代码片段定义了一个开启录制的button，当用户点击该 button 后，就触发下面的 JavaScript 代码：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60


...

 var buffer;

 ...

 function handleDataAvailable(e){

        if(e && e.data && e.data.size > 0){

                buffer.push(e.data);

        }

}

 function startRecord(){

        // 定义一个数组，用于缓存桌面数据，最终将数据存储到文件中

        buffer = [];

         var options = {

                mimeType: 'video/webm;codecs=vp8'

        }

         if(!MediaRecorder.isTypeSupported(options.mimeType)){

                console.error(`${options.mimeType} is not supported!`);

                return;

        }

         try{

                // 创建录制对象，用于将桌面数据录制下来

                mediaRecorder = new MediaRecorder(localStream, options);

        }catch(e){

                console.error('Failed to create MediaRecorder:', e);

                return;

        }

         // 当捕获到桌面数据后，该事件触发

        mediaRecorder.ondataavailable = handleDataAvailable;

        mediaRecorder.start(10);

}

 ...

当用户点击Record按钮的时候，就会调用startRecord函数。在该函数中首先判断浏览器是否支持指定的多媒体格式，如 webm。如果支持的话，再创建MediaRecorder对象，将桌面流录制成指定的媒体格式文件。

当从 localStream 获取到数据后，会触发ondataavailable事件。也就是会调用 handleDataAvailable 方法，最终将数据存放到 Blob 中。

至于将 Blob 保存成文件就比较容易了，我们在前面的文章《04 | 可以把采集到的音视频数据录制下来吗？》中都有讲解过，所以这里就不再赘述了！

小结

本文我向你讲解了如何通过浏览器提供的 API 来抓取桌面，并将它显示出来，以及如何通过前面所讲的MediaRecorder对象将桌面录制下来。

其实，真正的商用客户端录制并不是录制音视频流，而是录制桌面流。这样即使是多人互动的场景，在有多路视频流的情况下，录制桌面的同时就将桌面上显示的所有视频一起录制下来了，这样问题是不是一下就简单了？

比较遗憾的是，关于我们上述录制桌面的 API，目前很多浏览器支持得还不够好，只有 Chrome 浏览器相对比较完善。不过现在 WebRTC 1.0 规范已经出来了，相信在不久的将来，各浏览器都会实现这个 API 的。

思考时间

为什么使用视频的编码方式就容易出现桌面模糊的现象呢？有什么办法可以解决该问题吗？

欢迎在留言区与我分享你的想法，也欢迎你在留言区记录你的思考过程。感谢阅读，如果你觉得这篇文章对你有帮助的话，也欢迎把它分享给更多的朋友。