人形遣い
ドキュメント: puppeteer.js 中国語ドキュメント|puppeteerjs 中国語 Web サイト|puppeteer クローラー チュートリアル
Puppeteer 自体は Node 6.4 以降に依存していますが、非常に使いやすい async/await については Node 7.6 以降を使用することをお勧めします。また、ヘッドレス Chrome 自体は、サーバーが依存するライブラリのバージョンに対する要件が比較的高いです。centos サーバーの依存関係は比較的安定しており、v6 でヘッドレス Chrome を使用するのは困難です。依存バージョンをアップグレードすると、サーバーにさまざまな問題が発生する可能性があります。 (ssh を使用できないことを含みますが、これに限定されません)、上位バージョンのサーバーを使用するのが最善です。
Puppeteer は npm パッケージであるため、インストールは非常に簡単です。
pnpm i puppeteer-core
puppeteer会自动安装一个谷歌浏览器的安装包,所以选择core版,但是得指定启动路径
使用法と例
Puppeteer は他のフレームワークと似ており、Browser インスタンスを操作することでブラウザを操作し、それに応じて応答します。
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();
})();
上記のコードは、puppeteer の起動メソッドを通じてブラウザ インスタンスを生成します。ブラウザに対応して、起動メソッドは設定項目を渡すことができます。ローカル デバッグ中に {headless: false} を渡してヘッドレス モードをオフにする方が便利です。
const browser = await puppeteer.launch({
headless:false})
browser.newPage
このメソッドは、新しいタブを開いてタブのインスタンス ページを返すことができ、ページ上のさまざまなメソッドを通じてページ上で一般的な操作を実行できます。上記のコードは、スクリーンショットと PDF の印刷操作を実行します。
非常に強力な方法は、page.evaluate(pageFunction, ...args)
ページに関数を挿入できるため、無限の可能性があります。
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();
})();
外部変数はevaluateメソッド内で直接使用することはできず、パラメータとして渡す必要があり、実行結果を取得するにはreturnも必要であることに注意してください。1 か月以上前からオープンソース プロジェクトとして現在活発に活動しているため、使用する際は自分で API を見つけてパラメータや使用方法が正しいか確認することができます。
デバッグスキル
① インターフェースなしモードをオフにします。ブラウザーで表示されるコンテンツを表示すると便利な場合があります。フルブラウザは次のコマンドで起動できます。
const browser = await puppeteer.launch({
headless: false})
② 速度を遅くします。slowMo オプションは、指定されたミリ秒単位で Puppeteer の動作を遅くします。何が起こっているかを確認する別の方法は次のとおりです。
const browser = await puppeteer.launch({
headless:false,
slowMo:250
});
③ コンソール イベントをリッスンして、コンソールの出力をキャプチャします。これは、page.evaluate でコードをデバッグするときにも便利です。
page.on('console', msg => console.log('PAGE LOG:', ...msg.args));
await page.evaluate(() => console.log(`url is ${
location.href}`));
爬虫類の練習
多くの Web ページは、page.emulate(options) を通じてシミュレートできるユーザー エージェントを通じてデバイスを判断します。オプションには2つの設定項目があり、1つはuserAgent、もう1つはビューポートで、幅(width)、高さ(height)、画面のスケーリング(deviceScaleFactor)、モバイルかどうか(isMobile)、タッチイベントの有無(hasTouch)を設定できます。 )。
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();
});
上記のコードは、特定の Web サイトにアクセスする iPhone6 をシミュレートします。デバイスは、puppeteer に組み込まれているいくつかの一般的なデバイスのシミュレーション パラメーターです。
多くの Web ページではログインが必要です。解決策は 2 つあります。
让puppeteer去输入账号密码 常用方法:点击可以使用page.click(selector[, options])方法,也可以选择聚焦page.focus(selector)。 输入可以使用page.type(selector, text[, options])输入指定的字符串,还可以在options中设置delay缓慢输入更像真人一些。也可以使用keyboard.down(key[, options])来一个字符一个字符的输入。 如果是通过cookie判断登录状态的可以通过page.setCookie(...cookies),想要维持cookie可以定时访问。
ヒント: 一部の Web サイトではコードをスキャンする必要がありますが、同じドメイン名の他の Web ページがログインしている場合は、ログインできる Web ページにログインを試み、Cookie を使用してアクセスしてコード スキャンをスキップできます。
簡単な例
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的入门和实践')
}).toString()
});
await page.goto(targetLink);
await page.waitFor(1000);
browser.close();
})()
多要素処理
const puppeteer = require('puppeteer-core');
(async function () {
//puppeteer.launch实例开启浏览器,
//可以传入一个options对象,可以配置为无界面浏览器,也可以配置为有界面浏览器
//无界面浏览器性能更高更快,有界面一般用于调试开式
let options = {
//设置视窗的宽高
defaultViewport: {
width: 1400,
height: 800,
},
//设置为有界面,如果为true,即为无界面
// headless: false,
args: ['--window-size=1400,700'],
//指定浏览器路径
executablePath: 'C:\\Program Files (x86)\\Microsoft\\Edge\\Application\\msedge.exe',
};
let browser = await puppeteer.launch(options);
//打开新页面
let page = await browser.newPage();
//访问页面
await page.goto('https://www.jd.com/');
//截屏
// await page.screenshot({ path: 'example.png', fullPage: true });
//获取页面内容
// page.$eval相当于querySelector,然后在对这个元素进行dom操作
// page.$$eval相当于querySelectorAll,然后在对这个元素进行dom操作
let input = await page.$('#key');
await input.type('手机');
await page.keyboard.press('Enter');
await page.waitForSelector('.gl-warp>.gl-item:last-child');
const lis = await page.$$eval('.gl-warp>.gl-item', els =>
//这个el就是获取到的对象
//这里可以使用dom操作
// console.log(el);
els.map(item => item.innerText)
);
//这个lis就是上面回调函数的返回值
console.log(lis);
//关闭浏览器
await browser.close();
})();
要素をクリックしてテキストを入力します
const puppeteer = require('puppeteer-core');
(async function () {
let options = {
defaultViewport: {
width: 1400,
height: 800,
},
headless: false,
args: ['--window-size=1400,700'],
executablePath: 'C:\\Program Files (x86)\\Microsoft\\Edge\\Application\\msedge.exe',
};
let browser = await puppeteer.launch(options);
let page = await browser.newPage();
await page.goto('https://www.ygdy8.com/index.html');
//获取页面内容
// page.$相当于querySelector
// page.$$相当于querySelectorAll
//这些返回的是一个elementHandle对象
const input = await page.$('input[name="keyword"]'); // 定位输入框
/* 1
input.focus()
page.keyboard.type("电影") */
//2
await input.type('电影');
/* 1
elementHandle.click()
const search = await page.$('input[name="Submit"]'); // 定位搜索按钮
await search.click(); // 点击 */
//2
await page.click('input[name="Submit"]');
})();
要素のテキスト値を取得する
const puppeteer = require('puppeteer-core');
(async function () {
let options = {
defaultViewport: {
width: 1400,
height: 700,
},
args: ['--window-size=1400,700'],
headless: false,
executablePath: 'C:\\Program Files (x86)\\Microsoft\\Edge\\Application\\msedge.exe',
};
let browser = await puppeteer.launch(options);
let page = await browser.newPage();
await page.goto('https://www.baidu.com/');
let input = await page.waitForSelector('#kw');
await input.type('hello world');
let btn = await page.$('#su');
btn.click();
/* 等待指定的选择器匹配的元素出现在页面中,如果调用此方法时已经有匹配的元素,
那么此方法立即返回。如果指定的选择器在超时时间后扔不出现,此方法会报错。
返回: <Promise<ElementHandle>>*/
await page.waitForSelector('div#content_left > div.result-op.c-container.xpath-log');
let text = await page.$eval(
'div#content_left > div.result-op.c-container.xpath-log',
el => el.innerText
);
console.log(text);
})();
jsメソッドを処理する
const puppeteer = require('puppeteer-core');
(async function () {
let options = {
defaultViewport: {
width: 1400,
height: 700,
},
args: ['--window-size=1400,700'],
// headless: false,
executablePath: 'C:\\Program Files (x86)\\Microsoft\\Edge\\Application\\msedge.exe',
};
let browser = await puppeteer.launch(options);
let page = await browser.newPage();
await page.goto('https://www.baidu.com/');
let input = await page.waitForSelector('#kw');
await input.type('hello world');
let btn = await page.$('#su');
btn.click();
await page.waitForSelector('div#content_left > div.result-op.c-container.xpath-log');
//里面可以直接写js代码
let text = await page.evaluate(() => {
let div = document.querySelector('div#content_left > div.result-op.c-container.xpath-log');
return div.innerText;
});
console.log(text);
})();