前書き
pyppeteer は、Puppeteerライブラリの非公式なPythonバージョンであり、日本のエンジニアによって開発されたブラウザオートメーションライブラリです。
Puppeteer は、GoogleがNode.jsに基づいて開発したツールです。ChromeのAPIを呼び出し、JavaScriptコードを使用してChromeを操作し、ウェブクローラーと自動ウェブプログラムテストの一部の操作を完了します。
pyppeteerは Pythonの非同期コルーチンライブラリの使用 asyncio分散クロールするScrapyを統合することができ、。
Pyppeteerは十分に保守されていません;人形の人形;人形の人形のマニピュレーター。
インストール
- インストール
pyppeteer
pip install pyppeteer
2.インストール Chromium
pyppeteer-install
注:pyppeteerを初めて実行すると、Chromiumが自動的にダウンロードされます(Chromeの試験的バージョン、約150MB)。
Chromium
インストールが失敗した場合は、 手動でダウンロードできます
3. Chromiumストレージパスを表示する
import pyppeteer print(pyppeteer .__ chromium_revision__)#バージョン番号を表示
print(pyppeteer.executablePath())#Chromiumストレージパスを表示
#588429
#C:\ Users \ Administrator \ AppData \ Local \ pyppeteer \ pyppeteer \ local-chromium \ 588429 \ chrome-win32 \ chrome.exe
解凍先:C:\Users\Administrator\AppData\Local\pyppeteer\pyppeteer\local-chromium\588429\
下
フォルダの chrome-win
名前 chrome-win32
を
構成の詳細については、Pyppeteer環境変数を参照してください。
最初のテスト
バイドゥを開いてスクリーンショットを撮る
import asyncio
from pyppeteer import launch
async def main():
browser = await launch(headless=False) # 关闭无头浏览器
page = await browser.newPage()
await page.goto('https://www.baidu.com/') # 跳转
await page.screenshot({'path': 'example.png'}) # 截图
await browser.close() # 关闭
asyncio.get_event_loop().run_until_complete(main())
ブラウザのパスを指定
パラメータを指定する executablePath
import asyncio
from pyppeteer import launch
async def main():
browser = await launch(headless=False, executablePath=r'C:\Users\Administrator\AppData\Local\pyppeteer\pyppeteer\local-chromium\588429\chrome-win32\chrome.exe') # 关闭无头浏览器
page = await browser.newPage()
await page.goto('https://www.baidu.com/') # 跳转
await page.screenshot({'path': 'example.png'}) # 截图
await browser.close() # 关闭
asyncio.get_event_loop().run_until_complete(main())
Chromeの削除は自動テストソフトウェアによって制御されています
import asyncio
from pyppeteer import launch
async def main():
browser = await launch(headless=False, ignoreDefaultArgs=['--enable-automation']
input()
await browser.close()
asyncio.get_event_loop().run_until_complete(main())
全画面表示
import tkinter
import asyncio
from pyppeteer import launch
def screen_size():
tk = tkinter.Tk()
width = tk.winfo_screenwidth()
height = tk.winfo_screenheight()
tk.quit()
return {'width': width, 'height': height}
async def main():
browser = await launch(headless=False, args=['--start-maximized']) # 页面全屏
page = await browser.newPage()
await page.setViewport(screen_size()) # 内容全屏
await page.goto('https://www.baidu.com/')
input()
await browser.close()
asyncio.get_event_loop().run_until_complete(main())
ページコンテンツ
Page.content()
または Page.evaluate()
import asyncio
from pyppeteer import launch
async def main():
browser = await launch(headless=False)
page = await browser.newPage()
url = 'https://www.baidu.com/'
await page.goto(url)
# content = await page.content()
content = await page.evaluate('document.body.textContent', force_expr=True)
print(content)
input()
await browser.close()
asyncio.get_event_loop().run_until_complete(main())
非同期で実行する
asyncio.wait()
または asyncio.gather()
、一度だけ読み取る必要があるページでのみ使用することをお勧めします。スクロールにはお勧めしません
import asyncio
from pyppeteer import launch
async def crawl(url):
browser = await launch(headless=False)
page = await browser.newPage()
await page.goto(url)
title= await page.title()
print(title)
print(title)
await browser.close()
async def main():
urls = [
crawl('https://www.baidu.com/'),
crawl('https://www.bing.com/')
]
await asyncio.wait(urls)
# await asncio.gather(*urls)
asyncio.get_event_loop().run_until_complete(main())
# 百度一下,你就知道
# 微软 Bing 搜索 - 国内版
报错OSError:一時的なユーザーデータを削除できません
ブラウザの起動時にキャッシュを格納するパラメータuserDataDirを指定して、システムディスクではなくハードディスクが大きいことを確認します。
import asyncio
from pyppeteer import launch
async def main():
browser = await launch(headless=False, userDataDir='./cache/')
input()
await browser.close()
asyncio.get_event_loop().run_until_complete(main())
报错pyppeteer.errors.TimeoutError:ナビゲーションのタイムアウトを超えました:30000ミリ秒を超えました。
パッケージ
import asyncio
from pyppeteer import launch
async def main():
browser = await launch(headless=False, ignoreDefaultArgs=['--enable-automation'], userDataDir='./cache/') #
page = await browser.newPage()
await page.setViewport({'width': 1366, 'height': 768}) # 内容铺满
await page.goto('https://www.baidu.com/') # 跳转
input('回车退出')
await browser.close()
asyncio.get_event_loop().run_until_complete(main())
参照
- pyppeteer / pyppeteer:ヘッドレスクロム/クロムオートメーションライブラリ
- Pyppeteerのドキュメント
- Chromium-Chromiumプロジェクト
- Pyppeteer環境変数
- Pyppeteer環境の構築、共通パラメーター、2つのケース
- 発生したPyppeteerのバグと解決策
- pyppeteerがJingdong MallとTaobaoのサンプルコードをクロールする| Cookieクロール検索コンテンツを取得する
- pyppeteerチュートリアル
- pyppeteer:OSErrorの問題を解決:一時ユーザーデータを削除できません
- pyppeteerナビゲーションタイムアウトの問題を解決:pyppeteer.errors.TimeoutError:ナビゲーションタイムアウト超過:30000ミリ秒を超えました。
- Python非同期プログラミングのasyncio(ミリオン同時実行)
- Python非同期プログラミングの開始