我要评论puppeteer 介绍
puppeteer 翻译是操纵木偶的人，利用这个工具，我们能做一个操纵页面的人。 puppeteer 是一个 nodejs 的库，支持调用 chrome的api来操纵web ，相比较 selenium 或是 phantomjs ,它最大的特点就是它的操作 dom 可以完全在内存中进行模拟既在 v8 引擎中处理而不打开浏览器，而且关键是这个是chrome团队在维护，会拥有更好的兼容性和前景。
puppeteer 用处
- 利用网页生成pdf、图片
- 爬取spa应用，并生成预渲染内容（即“ssr” 服务端渲染）
- 可以从网站抓取内容
- 自动化表单提交、ui测试、键盘输入等
- 帮你创建一个最新的自动化测试环境（chrome），可以直接在此运行测试用例6.捕获站点的时间线，以便追踪你的网站，帮助分析网站性能问题
puppeteer 使用
安装 puppeteer
由于封网，直接下载 chromium 会失败，可以先阻止下载 chromium 然后再手动下载它
# 安装命令 npm i puppeteer --save # 错误信息 error: failed to download chromium r515411! set "puppeteer_skip_chromium_download" env variable to skip download. # 设置环境变量跳过下载 chromium set puppeteer_skip_chromium_download=1 # 或者可以这样干，只下载模块而不build npm i --save puppeteer --ignore-scripts # 成功安装模块 + puppeteer@0.13.0 added 1 package in 1.77s
手动下载 chromium，下载完后将压缩包解压，会有个 chromium.app，将其放在你喜欢的目录下，例如 /users/huqiyang/documents/project/z/chromium/chromium.app。正常安装包后 chromium.app 会在 .local-chromium中
tip：下载 chromium 失败解决办法
更换国内chromium源
puppeteer_download_host=https://storage.googleapis.com.cnpmjs.org npm i puppeteer
或者用 cnpm 安装
npm install -g cnpm --registry=https://registry.npm.taobao.org cnpm i puppeteer
初试 puppeteer，截个图吧
知识点
- puppeteer.launch 启动浏览器实例
- browser.newpage() 创建一个新页面
- page.goto 进入指定网页
- page.screenshot 截图
const puppeteer = require('puppeteer');
(async () => {
const browser = await (puppeteer.launch({
// 若是手动下载的chromium需要指定chromium地址, 默认引用地址为 /项目目录/node_modules/puppeteer/.local-chromium/
executablepath: '/users/huqiyang/documents/project/z/chromium/chromium.app/contents/macos/chromium',
//设置超时时间
timeout: 15000,
//如果是访问https页面 此属性会忽略https错误
ignorehttpserrors: true,
// 打开开发者工具, 当此值为true时, headless总为false
devtools: false,
// 关闭headless模式, 不会打开浏览器
headless: false
}));
const page = await browser.newpage();
await page.goto('https://www.jianshu.com/u/40909ea33e50');
await page.screenshot({
path: 'jianshu.png',
type: 'png',
// quality: 100, 只对jpg有效
fullpage: true,
// 指定区域截图，clip和fullpage两者只能设置一个
// clip: {
// x: 0,
// y: 0,
// width: 1000,
// height: 40
// }
});
browser.close();
})();
运行结果
进阶，获取网易云音乐的歌词和评论
网易云音乐的api经过aes和rsa算法加密，需要携带加密的信息通过post方式请求才能获取到数据。但 puppeteer 出现后，这些都不重要了，只要它页面上显示了，通过 puppeteer 都能获取到该元素。
知识点
- page.type 获取输入框焦点并输入文字
- page.keyboard.press 模拟键盘按下某个按键，目前mac上组合键无效为已知bug
- page.waitfor 页面等待，可以是时间、某个元素、某个函数
- page.frames() 获取当前页面所有的 iframe，然后根据 iframe 的名字精确获取某个想要的 iframe
- iframe.$('.srchsongst') 获取 iframe 中的某个元素
- iframe.evaluate() 在浏览器中执行函数，相当于在控制台中执行函数，返回一个 promise
- array.from 将类数组对象转化为对象
- page.click() 点击一个元素
- iframe.$eval() 相当于在 iframe 中运行 document.queryselector 获取指定元素，并将其作为第一个参数传递
- iframe.$$eval 相当于在 iframe 中运行 document.queryselectorall 获取指定元素数组，并将其作为第一个参数传递
const fs = require('fs');
const puppeteer = require('puppeteer');
(async () => {
const browser = await (puppeteer.launch({ executablepath: '/users/huqiyang/documents/project/z/chromium/chromium.app/contents/macos/chromium', headless: false }));
const page = await browser.newpage();
// 进入页面
await page.goto('https://music.163.com/#');
// 点击搜索框拟人输入 鬼才会想起
const musicname = '鬼才会想';
await page.type('.txt.j-flag', musicname, {delay: 0});
// 回车
await page.keyboard.press('enter');
// 获取歌曲列表的 iframe
await page.waitfor(2000);
let iframe = await page.frames().find(f => f.name() === 'contentframe');
const song_ls_selector = await iframe.$('.srchsongst');
// 获取歌曲 鬼才会想起 的地址
const selectedsonghref = await iframe.evaluate(e => {
const songlist = array.from(e.childnodes);
const idx = songlist.findindex(v => v.childnodes[1].innertext.replace(/\s/g, '') === '鬼才会想起');
return songlist[idx].childnodes[1].firstchild.firstchild.firstchild.href;
}, song_ls_selector);
// 进入歌曲页面
await page.goto(selectedsonghref);
// 获取歌曲页面嵌套的 iframe
await page.waitfor(2000);
iframe = await page.frames().find(f => f.name() === 'contentframe');
// 点击 展开按钮
const unfoldbutton = await iframe.$('#flag_ctrl');
await unfoldbutton.click();
// 获取歌词
const lyric_selector = await iframe.$('#lyric-content');
const lyricctn = await iframe.evaluate(e => {
return e.innertext;
}, lyric_selector);
console.log(lyricctn);
// 截图
await page.screenshot({
path: '歌曲.png',
fullpage: true,
});
// 写入文件
let writerstream = fs.createwritestream('歌词.txt');
writerstream.write(lyricctn, 'utf8');
writerstream.end();
// 获取评论数量
const commentcount = await iframe.$eval('.sub.s-fc3', e => e.innertext);
console.log(commentcount);
// 获取评论
const commentlist = await iframe.$$eval('.itm', elements => {
const ctn = elements.map(v => {
return v.innertext.replace(/\s/g, '');
});
return ctn;
});
console.log(commentlist);
})();
运行结果
高级爬虫
爬取spa应用，并生成预渲染内容（即“ssr” 服务端渲染），通俗讲就是在页面上显示的内容我们都能获取到。下面我们就通过爬取 瓜子二手车直卖网 的车辆信息来认识它。
首先通过 axios 来试试
const axios = require('axios');
const useaxios = () => {
axios.get('https://www.guazi.com/hz/buy/')
.then(((result) => {
console.log(result.data);
}))
.catch((err) => {
console.log(err);
});
};
结果它返回给我这个玩意，这显然不是我要的内容
通过 puppeteer 爬取
const fs = require('fs');
const puppeteer = require('puppeteer');
(async () => {
const browser = await (puppeteer.launch({ executablepath: '/users/huqiyang/documents/project/z/chromium/chromium.app/contents/macos/chromium', headless: true }));
const page = await browser.newpage();
// 进入页面
await page.goto('https://www.guazi.com/hz/buy/');
// 获取页面标题
let title = await page.title();
console.log(title);
// 获取汽车品牌
const brands_info_selector = '.dd-all.clearfix.js-brand.js-option-hid-info';
const brands = await page.evaluate(sel => {
const ullist = array.from($(sel).find('ul li p a'));
const ctn = ullist.map(v => {
return v.innertext.replace(/\s/g, '');
});
return ctn;
}, brands_info_selector);
console.log('汽车品牌: ', json.stringify(brands));
let writerstream = fs.createwritestream('car_brands.json');
writerstream.write(json.stringify(brands, undefined, 2), 'utf8');
writerstream.end();
// await bodyhandle.dispose();
// 获取车源列表
const car_list_selector = 'ul.carlist';
const carlist = await page.evaluate((sel) => {
const catboxs = array.from($(sel).find('li a'));
const ctn = catboxs.map(v => {
const title = $(v).find('h2.t').text();
const subtitle = $(v).find('div.t-i').text().split('|');
return {
title: title,
year: subtitle[0],
milemeter: subtitle[1]
};
});
return ctn;
}, car_list_selector);
console.log(`总共${carlist.length}辆汽车数据: `, json.stringify(carlist, undefined, 2));
// 将车辆信息写入文件
writerstream = fs.createwritestream('car_info_list.json');
writerstream.write(json.stringify(carlist, undefined, 2), 'utf8');
writerstream.end();
browser.close();
})();
运行结果
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持移动技术网。
您可能感兴趣的文章:
如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！
网友评论