最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

爬蟲利器Puppeteer實戰(zhàn)

 更新時間:2019年01月09日 11:39:44   作者:擼起袖子吃雞  
本文詳細的介紹了什么是Puppeteer以及使用,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

Puppeteer 介紹

Puppeteer 翻譯是操縱木偶的人,利用這個工具,我們能做一個操縱頁面的人。 Puppeteer 是一個 Nodejs 的庫,支持調(diào)用 Chrome的API來操縱Web ,相比較 Selenium 或是 PhantomJs ,它最大的特點就是它的操作 Dom 可以完全在內(nèi)存中進行模擬既在 V8 引擎中處理而不打開瀏覽器,而且關(guān)鍵是這個是Chrome團隊在維護,會擁有更好的兼容性和前景。

Puppeteer 用處

  • 利用網(wǎng)頁生成PDF、圖片
  • 爬取SPA應(yīng)用,并生成預(yù)渲染內(nèi)容(即“SSR” 服務(wù)端渲染)
  • 可以從網(wǎng)站抓取內(nèi)容
  • 自動化表單提交、UI測試、鍵盤輸入等
  • 幫你創(chuàng)建一個最新的自動化測試環(huán)境(chrome),可以直接在此運行測試用例6.捕獲站點的時間線,以便追蹤你的網(wǎng)站,幫助分析網(wǎng)站性能問題

Puppeteer 使用

安裝 Puppeteer

由于封網(wǎng),直接下載 Chromium 會失敗,可以先阻止下載 Chromium 然后再手動下載它

# 安裝命令
npm i puppeteer --save

# 錯誤信息
ERROR: Failed to download Chromium r515411! Set "PUPPETEER_SKIP_CHROMIUM_DOWNLOAD" env variable to skip download.

# 設(shè)置環(huán)境變量跳過下載 Chromium
set PUPPETEER_SKIP_CHROMIUM_DOWNLOAD=1 

# 或者可以這樣干,只下載模塊而不build
npm i --save puppeteer --ignore-scripts

# 成功安裝模塊
+ puppeteer@0.13.0
added 1 package in 1.77s

手動下載 Chromium,下載完后將壓縮包解壓,會有個 Chromium.app,將其放在你喜歡的目錄下,例如 /Users/huqiyang/Documents/project/z/chromium/Chromium.app。正常安裝包后 Chromium.app 會在 .local-chromium

Tip:下載 Chromium 失敗解決辦法

更換國內(nèi)Chromium源

PUPPETEER_DOWNLOAD_HOST=https://storage.googleapis.com.cnpmjs.org
npm i puppeteer

或者用 cnpm 安裝

npm install -g cnpm --registry=https://registry.npm.taobao.org
cnpm i puppeteer

點擊查閱 Puppeteer  API

初試 Puppeteer,截個圖吧

知識點

  • puppeteer.launch 啟動瀏覽器實例
  • browser.newPage()  創(chuàng)建一個新頁面
  • page.goto 進入指定網(wǎng)頁
  • page.screenshot 截圖
const puppeteer = require('puppeteer');

(async () => {
 const browser = await (puppeteer.launch({
  // 若是手動下載的chromium需要指定chromium地址, 默認引用地址為 /項目目錄/node_modules/puppeteer/.local-chromium/
  executablePath: '/Users/huqiyang/Documents/project/z/chromium/Chromium.app/Contents/MacOS/Chromium',
  //設(shè)置超時時間
  timeout: 15000,
  //如果是訪問https頁面 此屬性會忽略https錯誤
  ignoreHTTPSErrors: true,
  // 打開開發(fā)者工具, 當(dāng)此值為true時, headless總為false
  devtools: false,
  // 關(guān)閉headless模式, 不會打開瀏覽器
  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, 只對jpg有效
  fullPage: true,
  // 指定區(qū)域截圖,clip和fullPage兩者只能設(shè)置一個
  // clip: {
  //  x: 0,
  //  y: 0,
  //  width: 1000,
  //  height: 40
  // }
 });
 browser.close();
})();

運行結(jié)果 

進階,獲取網(wǎng)易云音樂的歌詞和評論

網(wǎng)易云音樂的API經(jīng)過AES和RSA算法加密,需要攜帶加密的信息通過POST方式請求才能獲取到數(shù)據(jù)。但 Puppeteer 出現(xiàn)后,這些都不重要了,只要它頁面上顯示了,通過 Puppeteer 都能獲取到該元素。

知識點

  • page.type 獲取輸入框焦點并輸入文字
  • page.keyboard.press 模擬鍵盤按下某個按鍵,目前mac上組合鍵無效為已知bug
  • page.waitFor 頁面等待,可以是時間、某個元素、某個函數(shù)
  • page.frames() 獲取當(dāng)前頁面所有的 iframe,然后根據(jù) iframe 的名字精確獲取某個想要的 iframe
  • iframe.$('.srchsongst') 獲取 iframe 中的某個元素
  • iframe.evaluate() 在瀏覽器中執(zhí)行函數(shù),相當(dāng)于在控制臺中執(zhí)行函數(shù),返回一個 Promise
  • Array.from 將類數(shù)組對象轉(zhuǎn)化為對象
  • page.click() 點擊一個元素
  • iframe.$eval() 相當(dāng)于在 iframe 中運行 document.queryselector 獲取指定元素,并將其作為第一個參數(shù)傳遞
  • iframe.$$eval 相當(dāng)于在 iframe 中運行 document.querySelectorAll 獲取指定元素數(shù)組,并將其作為第一個參數(shù)傳遞
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();
 // 進入頁面
 await page.goto('https://music.163.com/#');

 // 點擊搜索框擬人輸入 鬼才會想起
 const musicName = '鬼才會想';
 await page.type('.txt.j-flag', musicName, {delay: 0});

 // 回車
 await page.keyboard.press('Enter');

 // 獲取歌曲列表的 iframe
 await page.waitFor(2000);
 let iframe = await page.frames().find(f => f.name() === 'contentFrame');
 const SONG_LS_SELECTOR = await iframe.$('.srchsongst');

 // 獲取歌曲 鬼才會想起 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, '') === '鬼才會想起');
  return songList[idx].childNodes[1].firstChild.firstChild.firstChild.href;
 }, SONG_LS_SELECTOR);

 // 進入歌曲頁面
 await page.goto(selectedSongHref);

 // 獲取歌曲頁面嵌套的 iframe
 await page.waitFor(2000);
 iframe = await page.frames().find(f => f.name() === 'contentFrame');

 // 點擊 展開按鈕
 const unfoldButton = await iframe.$('#flag_ctrl');
 await unfoldButton.click();

 // 獲取歌詞
 const LYRIC_SELECTOR = await iframe.$('#lyric-content');
 const lyricCtn = await iframe.evaluate(e => {
  return e.innerText;
 }, LYRIC_SELECTOR);

 console.log(lyricCtn);

 // 截圖
 await page.screenshot({
  path: '歌曲.png',
  fullPage: true,
 });

 // 寫入文件
 let writerStream = fs.createWriteStream('歌詞.txt');
 writerStream.write(lyricCtn, 'UTF8');
 writerStream.end();

 // 獲取評論數(shù)量
 const commentCount = await iframe.$eval('.sub.s-fc3', e => e.innerText);
 console.log(commentCount);

 // 獲取評論
 const commentList = await iframe.$$eval('.itm', elements => {
  const ctn = elements.map(v => {
   return v.innerText.replace(/\s/g, '');
  });
  return ctn;
 });
 console.log(commentList);
})();

運行結(jié)果

高級爬蟲

爬取SPA應(yīng)用,并生成預(yù)渲染內(nèi)容(即“SSR” 服務(wù)端渲染),通俗講就是在頁面上顯示的內(nèi)容我們都能獲取到。下面我們就通過爬取 瓜子二手車直賣網(wǎng) 的車輛信息來認識它。

首先通過 axios 來試試

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);
  });
};

結(jié)果它返回給我這個玩意,這顯然不是我要的內(nèi)容

通過 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();

 // 進入頁面
 await page.goto('https://www.guazi.com/hz/buy/');

 // 獲取頁面標(biāo)題
 let title = await page.title();
 console.log(title);

 // 獲取汽車品牌
 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('汽車品牌: ', JSON.stringify(brands));
 let writerStream = fs.createWriteStream('car_brands.json');
 writerStream.write(JSON.stringify(brands, undefined, 2), 'UTF8');
 writerStream.end();
 // await bodyHandle.dispose();

 // 獲取車源列表
 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(`總共${carList.length}輛汽車數(shù)據(jù): `, JSON.stringify(carList, undefined, 2));

 // 將車輛信息寫入文件
 writerStream = fs.createWriteStream('car_info_list.json');
 writerStream.write(JSON.stringify(carList, undefined, 2), 'UTF8');
 writerStream.end();

 browser.close();
})();

運行結(jié)果

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Node.js?express中的身份認證的實現(xiàn)

    Node.js?express中的身份認證的實現(xiàn)

    本文主要介紹了Node.js?express中的身份認證的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-01-01
  • Windows系統(tǒng)下使用Sublime搭建nodejs環(huán)境

    Windows系統(tǒng)下使用Sublime搭建nodejs環(huán)境

    最近在研究Nodejs開發(fā),俗話說,工欲善其事,必先利其器,當(dāng)然要找到一款用著順手的編輯器作為開始。這里我們選擇的是Sublime Text 3,除了漂亮的用戶界面,最吸引我的就是它的插件擴展功能以及跨平臺特性。
    2015-04-04
  • node.js-v6新版安裝具體步驟(分享)

    node.js-v6新版安裝具體步驟(分享)

    下面小編就為大家?guī)硪黄猲ode.js-v6新版安裝具體步驟(分享)。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-09-09
  • 使用pm2部署node生產(chǎn)環(huán)境的方法步驟

    使用pm2部署node生產(chǎn)環(huán)境的方法步驟

    這篇文章主要介紹了使用pm2部署node生產(chǎn)環(huán)境的方法步驟,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2019-03-03
  • node.js中對Event Loop事件循環(huán)的理解與應(yīng)用實例分析

    node.js中對Event Loop事件循環(huán)的理解與應(yīng)用實例分析

    這篇文章主要介紹了node.js中對Event Loop事件循環(huán)的理解與應(yīng)用,結(jié)合實例形式分析了node.js中Event Loop事件循環(huán)相關(guān)原理、使用方法及操作注意事項,需要的朋友可以參考下
    2020-02-02
  • nodejs調(diào)用cmd命令實現(xiàn)復(fù)制目錄

    nodejs調(diào)用cmd命令實現(xiàn)復(fù)制目錄

    本文給大家介紹的是如何在nodejs中調(diào)用CMD命令,從而實現(xiàn)目錄的復(fù)制,非常的實用,有需要的小伙伴可以參考下。
    2015-05-05
  • nodejs實現(xiàn)大文件(在線視頻)的讀取

    nodejs實現(xiàn)大文件(在線視頻)的讀取

    這篇文章主要為大家詳細介紹了nodejs實現(xiàn)大文件的讀取,比如在線視頻,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2017-12-12
  • Node.js深入分析Koa源碼

    Node.js深入分析Koa源碼

    本文主要從源碼的角度來講述 Koa,尤其是其中間件系統(tǒng)是如何實現(xiàn)的。跟 Express 相比,Koa 的源碼異常簡潔,Express 因為把路由相關(guān)的代碼嵌入到了主要邏輯中,因此讀 Express 的源碼可能長時間不得要領(lǐng),而直接讀 Koa 的源碼幾乎沒有什么障礙
    2022-08-08
  • 詳解NodeJs開發(fā)微信公眾號

    詳解NodeJs開發(fā)微信公眾號

    本篇文章給大家分享了NodeJs開發(fā)微信公眾號的相關(guān)技術(shù)內(nèi)容,對此有需要的朋友們可以跟著學(xué)習(xí)參考下。
    2018-05-05
  • Egret引擎開發(fā)指南之發(fā)布項目

    Egret引擎開發(fā)指南之發(fā)布項目

    當(dāng)我們制作完成一個項目后,我們需要把項目發(fā)布為正式版本,并放到網(wǎng)上提供給玩家。那么在egret中簡單的使用build命令并非打包最終的正式版文件。你還需要進行最終的發(fā)布操作。
    2014-09-09

最新評論

澎湖县| 乐安县| 项城市| 东乡族自治县| 沁阳市| 临朐县| 凤冈县| 万州区| 花垣县| 襄城县| 垦利县| 新巴尔虎左旗| 和龙市| 铁岭县| 宁晋县| 甘肃省| 敦煌市| 阆中市| 仪征市| 北安市| 青河县| 平果县| 磐安县| 柞水县| 浮梁县| 历史| 犍为县| 密山市| 舟曲县| 弥勒县| 安达市| 合江县| 峨边| 进贤县| 苍溪县| 安国市| 长垣县| 华阴市| 绥化市| 太和县| 华蓥市|