PhantomJS快速入门

PhantomJS快速入门

　　本文简要介绍了PhantomJS的相关基础知识点，主要包括PhantomJS的介绍、下载与安装、HelloWorld程序、核心模块介绍等。由于鄙人才疏学浅，难免有疏漏之处，欢迎指正交流。

　　1、PhantomJS是什么？

---

　　PhantomJS是一个基于webkit的JavaScript API。它使用QtWebKit作为它核心浏览器的功能，使用webkit来编译解释执行JavaScript代码。任何你可以在基于webkit浏览器做的事情，它都能做到。它不仅是个隐形的浏览器，提供了诸如CSS选择器、支持Web标准、DOM操作、JSON、HTML5、Canvas、SVG等，同时也提供了处理文件I/O的操作，从而使你可以向操作系统读写文件等。PhantomJS的用处可谓非常广泛，诸如网络监测、网页截屏、无需浏览器的 Web 测试、页面访问自动化等。

　　PhantomJS官方地址：http://phantomjs.org/。

　　PhantomJS官方API：http://phantomjs.org/api/。

　　PhantomJS官方示例：http://phantomjs.org/examples/。

　　PhantomJS GitHub：https://github.com/ariya/phantomjs/。

　　2、PhantomJS下载与安装

---

　　官方下载地址：http://phantomjs.org/download.html。目前官方支持三种操作系统，包括windows\Mac OS\Linux这三大主流的环境。你可以根据你的运行环境选择要下载的包，我的运行环境是Windows7。

　　下载完成后解压文件，建议为方便使用，单独放在一个文件夹里，如我放在D:\workspace\phantomjs里。

　　到这里，你已经成功下载安装好PhantomJS了。那么，打开D:\workspace\phantomjs\bin文件夹，双击运行phantomjs.exe，出现如下界面，那么你就可以运行JS代码了。

　　由于我们都比较懒，不喜欢为了运行一个程序总是跑到D:\workspace\phantomjs\bin文件夹打开phantomjs.exe。那么，你可以将phantomjs.exe添加到环境变量里。具体如下：打开我的电脑->右键属性->高级系统设置->高级标签->环境变量，在系统变量里找到Path,将你的phantomjs添加到环境变量里。比方说我的路径添加的为“;D:\workspace\phantomjs\bin”，切记不要少了前面那个分号。

　　3、第一个PhantomJS小程序HelloWorld

---

 

　　好了，到目前为止，可以开始我们的第一个PhantomJS程序了。打开你的工作目录，新建文件hello.js，敲入以下代码，Ctrl+S保存：

var page = require('webpage').create();
phantom.outputEncoding="gbk";
page.open("http://www.cnblogs.com/front-Thinking", function(status) {
   if ( status === "success" ) {
      console.log(page.title); 
   } else {
      console.log("Page failed to load."); 
   }
   phantom.exit(0);
});

　　然后，打开CMD命令行工具，切换到你的当前目录，敲入phantomjs hello.js，结果如下：

　　如果你的结果跟我的一样，那么恭喜你，你已经成功跑起来属于你的第一个PhantomJS程序了。那么我们简要介绍下上面的代码：第2行，webpage是phantomjs的核心模块之一，它给用户提供了访问、操作、选择web文档的接口。第3行，设置下编码格式，否则输出的可能是乱码。第4行，运行page.open函数，其中第一个参数是你要访问的url，第二个参数是一个回调函数。在回调函数里我们检查了下返回的状态，如果是success那么我们就将浏览的url制定文档的title打印出来，如你所见，如果不是那么打印文档加载出错。最后一行退出phantomjs执行环境。

　　4、PhantomJS核心API

---

　　webpage:如你所见，上面的例子我们已经见识了它的威力了。它的作用主要是提供了一套可以访问和操作web文档的核心方法，包括操作DOM、事件捕获、用户事件模拟等等。

　　system:该模块提供了一些与操作系统相关的接口，例如访问操作系统信息、访问系统环境变量、接受命令行参数等等与程序执行相关的系统信息。

　　fs:即FileSystem。熟悉NodeJS的朋友都知道，NodeJS也内建了相关的核心模块。fs提供了执行文件I/O操作的标准接口，如读写文件、删除文件等。它使得你持久化一些文件（如logfile等）变得非常容易。

　　webserver:如其名字一样，你可以基于它来实现自己的webserver，用来处理请求并且执行PhantomJS代码等。

　　其它一些配置信息，执行PhantomJS的命令格式如下：

1 phantomjs [switches] [options] [script] [argument [argument [...]]]

　　其中，各种参数都是可选的。例如我们第一个程序的执行命令如下：

1 phantomjs hello.js

　　打开debug模式（该模式用于开发，可提供必要提示信息）：

1 phantomjs --debug=yes hello.js

　　设置cookie路径：

1 phantomjs --cookie-file=cookie.txt hello.js

　　5、操作page content

---

　　在helloworld中我们已经学会了如何访问一个url并取出它的title。下面我们看看如何选择并操作DOM元素：

　　DOM选择器，常用的getElementById、getElementByClassName、getElementByName、getElementByTagName、querySelector（CSS选择器）。

　　我们看一个使用querySelector的例子：

var content = page.evaluate(function () {
var element = document.querySelector('#elem');
    return element.textContent;
});
console.log(content);

　　evaluate函数是个新东西，其实很简单，就是在webpage环境下执行evaluate传入的回调函数，在这里面执行与phantom相关的操作可以避免web页面刺探phantom相关的设置信息。上面的代码就比较简单了，不啰嗦了。

　　模仿用户点击事件：

　　phantomJS提供了两种模仿点击事件的接口，一个是sendEvent，phantomJS事件触发器；一个是DOM事件触发器。

　　我们先看看第一个，语法如下：

sendEvent( eventType, Point X, Point Y, button='left' )
eventType: mouseup  mousedown mousemove click doubleclick
Point X : 触发事件的X坐标
Point Y: 触发事件的Y坐标

　　第二个，我们都应该比较熟悉了：

var evt = document.createEvent("MouseEvents");
evt.initMouseEvent(
    "click", // 事件类型
    true, 
    true, 
    window, 
    1, 
    1, 1, 1, 1, // 事件的坐标
    false, // Ctrl键标识
    false, // Alt键标识
    false, // Shift键标识
    false, // Meta键标识
    0, // Mouse左键
    element); // 目标元素
element.dispatchEvent(evt);

　　6、事件处理

---

　　在真正的浏览器里，任何事件发生都可见，而在PhantomJS里都是不可见的。在PhantomJS里，我们可以捕获这些事件并做出相应处理。由于涉及到的事件有很多种，那么我们今天仅仅把一个比较有用的事件作为例子，基于这个事件你可以监控一个页面并做出分析：

var startTime = null;
page.onLoadStarted = function() {
    startTime = new Date().getTime();
}

　　监听也没开始加载事件，获取初始加载时间；

var resources = [];
page.onResourceRequested = function (request) {
    resource = {
        "startTime": request.time,
        "url": request.url
    };
    resources[request.id] = resource;
};

监听资源文件请求事件，获取资源发起请求的时间；

page.onResourceReceived = function (response) {
    if(response.stage == "start") {
        resources[response.id].size = response.bodySize;
    } else if(response.stage == "end") {
        resources[response.id].endTime = response.time;
    }
};

监听资源文件加载完成事件，获取加载完成时间；

page.onLoadFinished = function () {
     endTime = new Date();
     timeInSeconds = (endTime - startTime) / 1000;
     console.log("Loading takes " + timeInSeconds + " seconds.");
     resources.forEach(function (resource) {
         st = new Date(resource.startTime).getTime();
         et = new Date(resource.endTime).getTime();
         timeSpent = (et - st) / 1000;
         console.log(timeSpent + " seconds : " + resource.url);
    });
    phantom.exit(0);
};

监听文档加载完成事件，记录完成时间，并打印出所有资源文件的耗时。

　　上面的on+事件，做了四件事，监听资源文件请求和加载完成事件，监听文档加载开始完成事件，获取对应的时间，这样我们就可以使用这些事件去分析这个页面的性能问题了。

　　7、抓取页面

---

　　将要访问的页面抓取保存为图片或者PDF文件的格式，这在PhantomJS里非常简单。我们下面就分别做一个保存图片和PDF的例子：

　　保存为图片：

// a phantomjs example, saved as img
var page = require('webpage').create();
page.open("http://www.cnblogs.com/front-Thinking/", function(status) {
   if ( status === "success" ) {
      console.log(page.title); 
      page.render("front-Thinking.png");
   } else {
      console.log("Page failed to load."); 
   }
   phantom.exit(0);
});

　　注：render获取一个参数，即保存文件的文件名。结果如下：

　　保存为pdf:

// a phantomjs example,saved as pdf file
var page = require('webpage').create();
page.open("http://www.baidu.com", function(status) {
   if ( status === "success" ) {
      console.log(page.title); 
      page.paperSize = { format: 'A4', 
            orientation: 'portrait', 
            border: '1cm' };
      page.render("front-Thinking.pdf");
   } else {
      console.log("Page failed to load."); 
   }
   phantom.exit(0);
});

　　注：其中，pagerSize设置pdf的格式。结果如下：

　　利用这些提供的特性，你完全可以做一个爬虫去爬去别人的网站。

　　8、文件操作相关

---

　　文件操作在编码中非常有用，例如你可以将一些配置信息放在文件中，在程序执行的过程中去读取；你也可以将你程序执行过程中一些有用的信息保存为文件。因此文件I/O非常有用。我们举个简单的例子，读取文件信息：

var filePath = '/workspace/file1.js';//文件路径

//判断文件是否存在，是文件还是文件夹
if( fs.exists(filePath) && fs.isFile(filePath) ) {
       var ins = fs.open(filePath, 'r');//打开文件
        while(!ins.atEnd()) {//循环读取文件内容
           var buffer = ins.readLine();//一行行的读取
           console.log(buffer);
       }
}

　　这里，读取文件内容并逐行打印。文件操作有以下几种方式：

r      //读取文件
w    //写文件，回覆盖
a     //写文件，追加
rb    //读取二进制流
rw    //写入二进制流

　　9、模块化

---

　　模块化是没个技术都涉及到的内容，这里不做详细介绍了。具体可参考阮一峰前辈的博客：http://www.ruanyifeng.com/blog/2012/10/javascript_module.html

　　10、与jQuery等第三方的结合

---

　　有很多第三方非常优秀的库函数，那么这里我们就举一个大家都非常喜欢的jQuery库函数来讲讲phantomJS与库函数的结合。代码如下：

var page = require('webpage').create();
page.open("http://www.cnblogs.com/front-Thinking/", function(status) {
    if ( status === "success" ) {
        page.render("before.png");
        page.includeJs("http://code.jquery.com/jquery-1.10.1.min.js", 
            function() {
                page.evaluate(function() {
                $('#Header1_HeaderTitle').html('My PhantomJS');
            });
            page.render("after.png");
            phantom.exit();();
        });
    }
});

　　以上代码，访问我的博客地址，并抓取截屏，加载jquery后修改我博客的标题，结果如下：

　　

before.png

　　　　

　　after.png

　　11、其它

---

　　PhantomJS可以做的事情太多了以至于我可能都介绍了只有它N分之一，N趋于无穷大。说了仅仅是入门的帖子，所以就不再深入介绍下去了，当然我也只是个小白，暂时知道了解的也比较浅显。其实，PhantomJS可以结合Jasmine来一起做测试，可以省去很大的人力和时间成本。同时，开源社区有很多基于PhantomJS做的工具和应用，例如前端爬虫等，有兴趣的不妨去读读。

　　结束语

---

　　再次对你有如此大的耐性读这么一篇烂文到现在表示感谢（花了两个多小时写它，我也是够有耐性的了，哇咔咔）！在阅读或者敲代码过程中发现任何问题或者有任何疑问，欢迎留言指导交流！