深入理解Puppeteer的入門教程和實踐

更新時間：2019年03月05日 14:24:46 作者：任乃千

這篇文章主要介紹了深入理解Puppeteer的入門教程和實踐，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

出現(xiàn)的背景

Chrome59(linux、macos)、 Chrome60(windows)之后，Chrome自帶headless(無界面)模式很方便做自動化測試或者爬蟲。但是如何和headless模式的Chrome交互則是一個問題。通過啟動Chrome時的命令行參數(shù)僅能實現(xiàn)簡易的啟動時初始化操作。Selenium、Webdriver等是一種解決方案，但是往往依賴眾多，不夠扁平。

Puppeteer是谷歌官方出品的一個通過DevTools協(xié)議控制headless Chrome的Node庫。可以通過Puppeteer的提供的api直接控制Chrome模擬大部分用戶操作來進行UI Test或者作為爬蟲訪問頁面來收集數(shù)據(jù)。

環(huán)境和安裝

Puppeteer本身依賴6.4以上的Node，但是為了異步超級好用的async/await，推薦使用7.6版本以上的Node。另外headless Chrome本身對服務器依賴的庫的版本要求比較高，centos服務器依賴偏穩(wěn)定，v6很難使用headless Chrome，提升依賴版本可能出現(xiàn)各種服務器問題（包括且不限于無法使用ssh），最好使用高版本服務器。
Puppeteer因為是一個npm的包，所以安裝很簡單：

npm i puppeteer

或者

yarn add puppeteer

Puppeteer安裝時自帶一個最新版本的Chromium，可以通過設(shè)置環(huán)境變量或者npm config中的PUPPETEER_SKIP_CHROMIUM_DOWNLOAD跳過下載。如果不下載的話，啟動時可以通過puppeteer.launch([options])配置項中的executablePath指定Chromium的位置。

使用和例子

Puppeteer類似其他框架，通過操作Browser實例來操作瀏覽器作出相應的反應。

const puppeteer = require('puppeteer');

(async () => {
 const browser = await puppeteer.launch();
 const page = await browser.newPage();
 await page.goto('http://rennaiqian.com');
 await page.screenshot({path: 'example.png'});
 await page.pdf({path: 'example.pdf', format: 'A4'});
 await browser.close();
})();

上述代碼通過puppeteer的launch方法生成了一個browser的實例，對應于瀏覽器，launch方法可以傳入配置項，比較有用的是在本地調(diào)試時傳入{headless:false}可以關(guān)閉headless模式。

const browser = await puppeteer.launch({headless:false})

browser.newPage方法可以打開一個新選項卡并返回選項卡的實例page，通過page上的各種方法可以對頁面進行常用操作。上述代碼就進行了截屏和打印pdf的操作。
一個很強大的方法是page.evaluate(pageFunction, ...args)，可以向頁面注入我們的函數(shù)，這樣就有了無限可能

const puppeteer = require('puppeteer');

(async () => {
 const browser = await puppeteer.launch();
 const page = await browser.newPage();
 await page.goto('http://rennaiqian.com');

 // Get the "viewport" of the page, as reported by the page.
 const dimensions = await page.evaluate(() => {
  return {
   width: document.documentElement.clientWidth,
   height: document.documentElement.clientHeight,
   deviceScaleFactor: window.devicePixelRatio
  };
 });

 console.log('Dimensions:', dimensions);
 await browser.close();
})();

需要注意的是evaluate方法中是無法直接使用外部的變量的，需要作為參數(shù)傳入，想要獲得執(zhí)行的結(jié)果也需要return出來。因為是一個開源一個多月的項目，現(xiàn)在項目很活躍，所以使用時自行查找api才能保證參數(shù)、使用方法不會錯。

調(diào)試技巧

1.關(guān)掉無界面模式，有時查看瀏覽器顯示的內(nèi)容是很有用的。使用以下命令可以啟動完整版瀏覽器：

const browser = await puppeteer.launch({headless: false})

2.減慢速度，slowMo選項以指定的毫秒減慢Puppeteer的操作。這是另一個看到發(fā)生了什么的方法：

const browser = await puppeteer.launch({
 headless:false,
 slowMo:250
});

3.捕獲console的輸出,通過監(jiān)聽console事件。在page.evaluate里調(diào)試代碼時這也很方便：

page.on('console', msg => console.log('PAGE LOG:', ...msg.args));
await page.evaluate(() => console.log(`url is ${location.href}`));

4.啟動詳細日志記錄，所有公共API調(diào)用和內(nèi)部協(xié)議流量都將通過puppeteer命名空間下的debug模塊進行記錄

 # Basic verbose logging
 env DEBUG="puppeteer:*" node script.js

 # Debug output can be enabled/disabled by namespace
 env DEBUG="puppeteer:*,-puppeteer:protocol" node script.js # everything BUT protocol messages
 env DEBUG="puppeteer:session" node script.js # protocol session messages (protocol messages to targets)
 env DEBUG="puppeteer:mouse,puppeteer:keyboard" node script.js # only Mouse and Keyboard API calls

 # Protocol traffic can be rather noisy. This example filters out all Network domain messages
 env DEBUG="puppeteer:*" env DEBUG_COLORS=true node script.js 2>&1 | grep -v '"Network'

爬蟲實踐

很多網(wǎng)頁通過user-agent來判斷設(shè)備，可以通過page.emulate(options)來進行模擬。options有兩個配置項，一個為userAgent，另一個為viewport可以設(shè)置寬度(width)、高度(height)、屏幕縮放(deviceScaleFactor)、是否是移動端(isMobile)、有無touch事件(hasTouch)。

const puppeteer = require('puppeteer');
const devices = require('puppeteer/DeviceDescriptors');
const iPhone = devices['iPhone 6'];

puppeteer.launch().then(async browser => {
 const page = await browser.newPage();
 await page.emulate(iPhone);
 await page.goto('https://www.example.com');
 // other actions...
 await browser.close();
});

上述代碼則模擬了iPhone6訪問某網(wǎng)站，其中devices是puppeteer內(nèi)置的一些常見設(shè)備的模擬參數(shù)。

很多網(wǎng)頁需要登錄，有兩種解決方案：

1、讓puppeteer去輸入賬號密碼

常用方法：點擊可以使用page.click(selector[, options])方法，也可以選擇聚焦page.focus(selector)。
輸入可以使用page.type(selector, text[, options])輸入指定的字符串，還可以在options中設(shè)置delay緩慢輸入更像真人一些。也可以使用keyboard.down(key[, options])來一個字符一個字符的輸入。

2、如果是通過cookie判斷登錄狀態(tài)的可以通過page.setCookie(...cookies)，想要維持cookie可以定時訪問。

Tip：有些網(wǎng)站需要掃碼，但是相同域名的其他網(wǎng)頁卻有登錄，就可以嘗試去可以登錄的網(wǎng)頁登錄完利用cookie訪問跳過掃碼。

簡單例子

const puppeteer = require('puppeteer');

(async () => {
 const browser = await puppeteer.launch({headless: false});
 const page = await browser.newPage();
 await page.goto('https://baidu.com');
 await page.type('#kw', 'puppeteer', {delay: 100});
 page.click('#su')
 await page.waitFor(1000);
 const targetLink = await page.evaluate(() => {
  return [...document.querySelectorAll('.result a')].filter(item => {
   return item.innerText && item.innerText.includes('Puppeteer的入門和實踐')
  }).toString()
 });
 await page.goto(targetLink);
 await page.waitFor(1000);
 browser.close();
})()

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

您可能感興趣的文章: