Puppeteer环境搭建的详细步骤

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 readme 。

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:

wget https://nodejs.org/dist/v8.12.0/node-v8.12.0-linux-x64.tar.xz
tar xf node-v8.12.0-linux-x64.tar.xz
mv node-v8.12.0-linux-x64 /usr/local/lib
ln -s /usr/local/lib/node-v8.12.0-linux-x64/bin/npm /usr/local/bin/
ln -s /usr/local/lib/node-v8.12.0-linux-x64/bin/node /usr/local/bin/

*(可选)配置淘宝的源，加速npm包的下载：

npm config set registry https://registry.npm.taobao.org

安装puppeteer

配置淘宝的puppeteer下载源，用于安装chromium：

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

国内不配置时会在卡在下载chromium

示例

新建一个test.js

const puppeteer = require('puppeteer');

(async () => {
 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：

node test.js

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 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, 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 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);
})();

参考

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。