Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/bwhirring/puppeteer-examples
some examples about puppeteer
https://github.com/bwhirring/puppeteer-examples
chromium nodejs puppeteer
Last synced: about 2 months ago
JSON representation
some examples about puppeteer
- Host: GitHub
- URL: https://github.com/bwhirring/puppeteer-examples
- Owner: bWhirring
- Created: 2018-07-26T05:30:05.000Z (over 6 years ago)
- Default Branch: master
- Last Pushed: 2020-12-22T06:58:12.000Z (about 4 years ago)
- Last Synced: 2023-03-02T20:56:50.949Z (almost 2 years ago)
- Topics: chromium, nodejs, puppeteer
- Language: Python
- Size: 80.1 KB
- Stars: 8
- Watchers: 3
- Forks: 4
- Open Issues: 1
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
`puppeteer 是一个Chrome官方出品的headless Chrome node库。它提供了一系列的API, 可以在无UI的情况下调用Chrome的功能, 适用于爬虫、自动化处理等各种场景`
根据官网上描述,puppeteer 具有以下作用:
- 生成页面截图和 PDF
- 自动化表单提交、UI 测试、键盘输入等
- 创建一个最新的自动化测试环境。使用最新的 JavaScript 和浏览器功能,可以直接在最新版本的 Chrome 中运行测试。
- 捕获站点的时间线跟踪,以帮助诊断性能问题。
- 爬取 SPA 页面并进行预渲染(即'SSR')以下就来阐述 puppeteer 的这几个作用
### 1.初始化项目
注: 这里我们会使用到 es6/7 的新特性,所以用 typescript 来编译代码
```
npm install puppeteer typescript @types/puppeteer
```tsconfig.json 配置如下:
```
{
"compileOnSave": true,
"compilerOptions": {
"target": "es5",
"lib": [
"es6", "dom"
],
"types": [
"node"
],
"outDir": "./dist/",
"sourceMap": true,
"module": "commonjs",
"watch": true,
"moduleResolution": "node",
"isolatedModules": false,
"experimentalDecorators": true,
"declaration": true,
"suppressImplicitAnyIndexErrors": true
},
"include": [
"./examples/**/*",
]
}
```puppeteer 模块提供一个方法启动一个 Chromium 实例。
```
import * as puppeteer from 'puppeteer'(async () => {
await puppeteer.launch()
})()
```上述代码通过 puppeteer 的 launch 方法生成一个 browser 实例,launch 方法可以接收一些配置项。较为常用的有:
- headless [boolean]: 是否以 headless 模式启动浏览器
- slowMo [number]: 减缓 puppeteer 的操作。这样就很方便的可以看到正在发生的事情
- args[Array[string]]: 要传给浏览器实例的额外参数### 2.生成页面截图
这里我们以 [https://example.com/](https://example.com/)为例
```
(async () => {
const browser = await puppeteer.launch(); //生成browser实例
const page = await browser.newPage(); //解析一个新的页面。页面是在默认浏览器上下文创建的
await page.goto("https://example.com/"); //跳转到 https://example.com/
await page.screenshot({ //生成图片
path: 'example.png'
})
})()
```在这里需要注意的是,截图默认截取的是打开网页可视区的内容,如果要获取完整的可滚动页面的屏幕截图,需要添加 `fullPage: true`
执行`node dist/screenshot.js`,即可在根目录下生成 example.png
puppeteer 默认将页面大小设置为 800\*600,可以通过`page.setViewport()`来改变页面大小。
不仅如此,puppeteer 还可以模拟手机
```
import * as puppeteer from "puppeteer";
import * as devices from "puppeteer/DeviceDescriptors";
const iPhone = devices["iPhone 6"];(async () => {
const browser = await puppeteer.launch({
headless: false
});
const page = await browser.newPage();
await page.emulate(iPhone);
await page.goto("https://baidu.com/");
await browser.close();
})();
```### 3.生成 pdf
```
(async () => {
const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.goto("https://example.com/");
await page.pdf({
displayHeaderFooter: true,
path: 'example.pdf',
format: 'A4',
headerTemplate: 'Hello world',
footerTemplate: 'Some text',
margin: {
top: "100px",
bottom: "200px",
right: "30px",
left: "30px",
}
});
await browser.close();
})()
```执行 `node dist/pdf.js` 即可。
### 4.自动化表单提交, 输入
在这里我们模拟一下github的登录, 为了能更好的看到整个过程, 我们使用 `headless: false` 来关闭 headless 模式,看一下整个的登录流程
```
(async () => {
const browser = await puppeteer.launch({
headless: false
});
const page = await browser.newPage();
await page.goto("https://github.com/login");
await page.waitFor(1000) //延迟1秒输入
await page.type("#login_field", "账号"); //立即输入
await page.type("#password", "密码", {
delay: 100
}) //模拟用户输入
await page.click("input[type=submit]"); //点击登录按钮
})()
```
执行`node dist/login.js`
![gif](https://user-gold-cdn.xitu.io/2018/7/26/164d4a17dc0af97f?w=2880&h=1800&f=gif&s=3419231)### 5.站点时间线追踪
可以很方便的使用 `tracking.start` 和 `tracking.stop` 创建一个可以在 chrome devtools 打开的跟踪文件
```
(async () => {
const broswer = await puppeteer.launch();
const page = await broswer.newPage();
await page.tracing.start({
path: "trace.json"
});
await page.goto("https://example.com/");
await page.tracing.stop();
broswer.close();
})();
```执行 `node dist/trace.js` 会生成一个 trace.json 文件, 然后我们打开 chrome devtools -> Performance, 然后把该文件直接拖进去即可。该功能便于我们对网站进行性能分析, 进而优化性能
### 6.爬虫和 SSR
现在大多数开发用 react、vue、angular 来构建 SPA 网站, SPA 固有很多的优点, 比方开发速度快、模块化、组件化、性能优等。但其缺点还是很明显的, 首先就是首屏渲染问题, 其次不利于 SEO, 对爬虫不友好。
以 [https://preview.pro.ant.design/#/dashboard/analysis](https://preview.pro.ant.design/#/dashboard/analysis) 为例, 我们点击右键, 查看源代码, 发现其 body 里面只有 `
`,假如想把门店销售额排名情况给爬下来,存到数据库进行数据分析(如下图)
![](https://user-gold-cdn.xitu.io/2018/7/25/164d2107cb2178ec?w=862&h=688&f=jpeg&s=101552)
此时我们以传统爬虫的方式去爬的话是拿不到网页内容的。如 python
```
# -*- coding : UTF-8 -*-
from bs4 import BeautifulSoup
import urllib2def spider():
html = urllib2.urlopen('https://preview.pro.ant.design/#')
html = html.read()
soup = BeautifulSoup(html, 'lxml')
print(soup.prettify())if __name__ == '__main__':
spider()
```执行 `python py/index.py`, 得到的结果如下图:
![python spider](https://user-gold-cdn.xitu.io/2018/7/25/164d1d2362987807?w=1032&h=750&f=jpeg&s=525280)
body 里面并没有页面相关的 dom,因此我们想通过 python 去爬取 SPA 页面的内容是不可行的。nodejs
```
import axios from "axios";(async () => {
const res = await axios.get("https://preview.pro.ant.design/#");
console.log(res.data);
})();
```执行`node dist/node-spider.js`, 得到和上面例子一样的结果。
![node spider](https://user-gold-cdn.xitu.io/2018/7/25/164d1fa055594fae?w=1018&h=672&f=jpeg&s=527754)
puppeteer
```
(async () => {
const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.goto("https://preview.pro.ant.design/#");
console.log(await page.content());
})();
```执行`node dist/spider.js`, 得到如下:
![puppeteer spider](https://user-gold-cdn.xitu.io/2018/7/25/164d2037b6c2029c?w=2798&h=900&f=jpeg&s=3705611)
此时我们可以惊奇的发现可以抓到页面所有的 dom 节点了。此时我们可以把它保存下来做 SSR,也可以爬取我们想要的内容了。```
(async () => {
const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.goto("https://preview.pro.ant.design/#");
const RANK = ".rankingList___11Ilg li";
await page.waitForSelector(RANK);
const res = await page.evaluate(() => {
const getText = (v, selector) => {
return v.querySelector(selector) && v.querySelector(selector).innerText;
};
const salesRank = Array.from(
document.querySelectorAll(".rankingList___11Ilg li")
);
const data = [];
salesRank.map(v => {
const obj = {
rank: getText(v, "span:nth-child(1)"),
address: getText(v, "span:nth-child(2)"),
sales: getText(v, "span:nth-child(3)")
};
data.push(obj);
});
return {
data
};
});
console.log(res);
await browser.close();
})();
```执行`node dist/spider.js`, 得到如下:
![puppeteer spider](https://user-gold-cdn.xitu.io/2018/7/25/164d20e8eb3ddac4?w=1012&h=290&f=jpeg&s=314732)
此时,我们已经利用 puppeteer 把我们所需要的数据给爬下来了。
到此,我们就把 puppeteer 基本的功能点给实现了一遍,本文示例代码可在[github](https://github.com/bWhirring/puppeteer-demo)上获取。
### 参考
- [https://github.com/GoogleChrome/puppeteer](https://github.com/GoogleChrome/puppeteer)
- [https://pptr.dev/#?product=Puppeteer&version=v1.6.0](https://pptr.dev/#?product=Puppeteer&version=v1.6.0)