爬虫神器pyppeteer,对 js 加密降维打击
pyppeteer 是对无头浏览器 puppeteer 的 Python 封装。无头浏览器广泛用于自动化测试,同时也是一种很好地爬虫思路。
使用 puppeteer(等其他无头浏览器)的最大优势当然是 对 js 加密实行降维打击 ,完全无视 js 加密手段,对于一些需要登录的应用,也可以模拟点击然后保存 cookie。 而很多时候前端的加密是爬虫最难攻克的一部分 。当然puppeteer也有劣势,最大的劣势就是相比面向接口爬虫效率很低,就算是无头的chromium,那也会占用相当一部分内存。另外额外维护一个浏览器的启动、关闭也是一种负担。
这篇文章我们来写一个简单的 demo,爬取拼多多搜索页面的数据,最终的效果如下:
我们把所有 api 请求的原始数据保存下来:
示例 json 文件如下:
开发环境
- python3.6+
最好是 python3.7,因为 asyncio
在 py3.7中加入了很好用的 asyncio.run()
方法。
- 安装pyppeteer
如果安装有问题请去看官方文档。
python3 -m pip install pyppeteer
- 安装 chromium
你懂的,天朝网络环境很复杂,如果要用 pyppeteer
自己绑定的 chromium
,半天都下载不下来,所以我们要手动安装,然后在程序里面指定 executablePath
。
下载地址: www.chromium.org/getting-inv…
hello world
pyppeteer
的 hello world 程序是前往 exmaple.com 截个图:
import asyncio from pyppeteer import launch async def main(): browser = await launch({ # Windows 和 Linux 的目录不一样,情换成自己对应的executable文件地址 'executablePath': '你下载的Chromium.app/Contents/MacOS/Chromium', })