Puppeteer 学习笔记及基本用法
Puppeteer 安装
-
安装第三方库:
puppeteer
npm i puppeteer
-
安装谷歌 Chromium:若
npm
安装失败,需要手动下载 chromium 并解压至相应文件夹
语法
基本语法
API 分层结构
- Browser: 对应一个浏览器实例,一个 Browser 可以包含多个 BrowserContext
- BrowserContext: 对应浏览器一个上下文会话,就像我们打开一个普通的 Chrome 之后又打开一个隐身模式的浏览器一样,BrowserContext 具有独立的 Session(cookie 和 cache 独立不共享),一个 BrowserContext 可以包含多个 Page
- Page:表示一个 Tab 页面,通过 browserContext.newPage()/browser.newPage() 创建,browser.newPage() 创建页面时会使用默认的 BrowserContext,一个 Page 可以包含多个 Frame
- Frame: 一个框架,每个页面有一个主框架(page.MainFrame()),也可以多个子框架,主要由 iframe 标签创建产生的
- ExecutionContext: 是 javascript 的执行环境,每一个 Frame 都一个默认的 javascript 执行环境
- ElementHandle: 对应 DOM 的一个元素节点,通过该该实例可以实现对元素的点击,填写表单等行为,我们可以通过选择器,xPath 等来获取对应的元素
- JsHandle:对应 DOM 中的 javascript 对象,ElementHandle 继承于 JsHandle,由于我们无法直接操作 DOM 中对象,所以封装成 JsHandle 来实现相关功能
- CDPSession:可以直接与原生的 CDP 进行通信,通过 session.send 函数直接发消息,通过 session.on 接收消息,可以实现 Puppeteer API 中没有涉及的功能
- Coverage:获取 JavaScript 和 CSS 代码覆盖率
- Tracing:抓取性能数据进行分析
- Response: 页面收到的响应
- Request: 页面发出的请求
const puppeteer = require('puppeteer');
(async () => {
const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.goto('https://www.baidu.com');
await page.close();
await browser.close();
})();
puppeteer 提供了两种方法用于创建一个 Browser 实例:
- puppeteer.connect :连接一个已经存在的 Chrome 实例
- puppeteer.launch : 每次都启动一个 Chrome 实例
puppeteer.launch()
的参数解释:其使用字典进行配置输入
- headless: 是否使用浏览器界面启动,
turn
和false
- 默认为
turn
无头浏览器,不展示浏览器页面 - 设置
false
参数,展示浏览器页面
- 默认为
- **executablePath:**指定浏览器执行地址
- timeout: 等待浏览器实例启动的最长时间(以毫秒为单位)。默认为30000(30秒)。设置为 0 禁用超时
- slowMo: 放慢浏览器执行速度,方便测试观察
- args: 传递给浏览器实例的其余参数
- 例如:窗口最大化:
['--start-maximized']
- 例如:窗口最大化:
- ignoreHTTPSErrors:
false
表示忽略 https 报错
加载导航页面
-
page.goto
: 打开新页面 -
page.goBack
: 回退到上一个页面 -
page.goForward
: 前进到下一个页面 -
page.reload
: 重新加载页面 -
page.waitForNavigation
: 等待页面跳转
Pupeeteer 中的基本上所有的操作都是异步的,以上几个 API 都涉及到关于打开一个页面,什么情况下才能判断这个函数执行完毕呢,这些函数都提供了两个参数 waitUtil 和 timeout , waitUtil 表示直到什么出现就算执行完毕,timeout 表示如果超过这个时间还没有结束就抛出异常。
等待元素、请求、响应
-
page.waitForXPath
: 等待 XPath 对应的元素出现,返回对应的 ElementHandle 实例 -
page.waitForSelector
: 等待选择器对应的元素出现,返回对应的 ElementHandle 实例 -
page.waitForResponse
: 等待某个响应结束,返回 Response 实例 -
page.waitForRequest
: 等待某个请求出现,返回 Request 实例
自定义等待
page.waitForFunction
: 等待在页面中自定义函数的执行结果,返回 JsHandle 实例page.waitFor
: 设置等待时间,实在没办法的做法
元素定位
page.$('#uniqueId')
: 获取某个选择器对应的第一个元素page.$$('div')
: 获取某个选择器对应的所有元素page.$x('//img')
: 获取某个 XPath 对应的所有元素page.waitForXPath('//img')
: 等待某个 XPath 对应的元素出现page.waitForSelector('#uniqueId')
: 等待某个选择器对应的元素出现
用户模拟操作
elementHandle.click()
: 点击某个元素elementHandle.tap()
: 模拟手指触摸点击elementHandle.focus()
: 聚焦到某个元素elementHandle.hover()
: 鼠标 hover 到某个元素上elementHandle.type('hello')
: 在输入框输入文本
请求拦截
我们可以在监听 Page 的 request 事件,并进行请求拦截,前提是要开启请求拦截 page.setRequestInterception(true)
(async () =>