简介
Puppeteer是Google开发并开源的一款工具,可用代码驱动浏览器操作。
由于诸多优秀的特性,Puppeteer常被用在爬虫与自动化测试上。详细介绍参见官方 。
Puppeteer本身是个NodeJS的库,自动化脚本也需要使用NodeJS编写,如果对JS不了解建议先学习JavaScript基础语法,或者使用Selenium等其他工具去实现。
对于一个陌生的工具,应当先检查是否适合自己,再去尝试使用,切莫盲目从众。
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
配置
Node环境配置
下载并安装NodeJS:
*(可选)配置淘宝的源,加速npm包的下载:
安装Puppeteer
配置淘宝的Puppeteer下载源,用于安装Chromium:
国内不配置时会在卡在下载Chromium
示例
新建一个test.js
const browser = await puppeteer.launch({
ignoreHTTPSErrors: true,headless: false,args: ['--no-sandbox']
});
const page = await browser.newPage();
await page.goto('https://intest.tech');
await page.waitFor(5e3);
await browser.close();
})();
运行:
截图
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 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,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();
})();
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.$$eval 相当于在 iframe 中运行 document.querySelectorAll 获取指定元素数组,并将其作为第一个参数传递
const browser = await (puppeteer.launch({ executablePath: '/Users/huqiyang/Documents/project/z/chromium/Chromium.app/Contents/MacOS/Chromium',headless: false }));
const page = await browser.newPage();
// 进入页面
await page.goto('https://music.163.com/#');
// 点击搜索框拟人输入 鬼才会想起
const musicName = '鬼才会想';
await page.type('.txt.j-flag',musicName,{delay: 0});
// 回车
await page.keyboard.press('Enter');
// 获取歌曲列表的 iframe
await page.waitFor(2000);
let iframe = await page.frames().find(f => f.name() === 'contentFrame');
const SONG_LS_SELECTOR = await iframe.$('.srchsongst');
// 获取歌曲 鬼才会想起 的地址
const selectedSongHref = await iframe.evaluate(e => {
const songList = Array.from(e.childNodes);
const idx = songList.findIndex(v => v.childNodes[1].innerText.replace(/\s/g,'') === '鬼才会想起');
return songList[idx].childNodes[1].firstChild.firstChild.firstChild.href;
},SONG_LS_SELECTOR);
// 进入歌曲页面
await page.goto(selectedSongHref);
// 获取歌曲页面嵌套的 iframe
await page.waitFor(2000);
iframe = await page.frames().find(f => f.name() === 'contentFrame');
// 点击 展开按钮
const unfoldButton = await iframe.$('#flag_ctrl');
await unfoldButton.click();
// 获取歌词
const LYRIC_SELECTOR = await iframe.$('#lyric-content');
const lyricCtn = await iframe.evaluate(e => {
return e.innerText;
},LYRIC_SELECTOR);
console.log(lyricCtn);
// 截图
await page.screenshot({
path: '歌曲.png',fullPage: true,});
// 写入文件
let writerStream = fs.createWriteStream('歌词.txt');
writerStream.write(lyricCtn,'UTF8');
writerStream.end();
// 获取评论数量
const commentCount = await iframe.$eval('.sub.s-fc3',e => e.innerText);
console.log(commentCount);
// 获取评论
const commentList = await iframe.$$eval('.itm',elements => {
const ctn = elements.map(v => {
return v.innerText.replace(/\s/g,'');
});
return ctn;
});
console.log(commentList);
})();
参考
原文链接:https://www.f2er.com/js/30041.html