如何结合Node和Puppeteer做网络爬虫(1)

浏览器引用

我们光安装了之后还不行，还要进行浏览器的引入。这个也是非常的头疼，看了好多的教程都不可以。可能是他们的系统不一样，在这里折腾很久都想放弃了。还好有这篇文章解决了我的问题，我知道是路径有误但我不知道怎么写。

浏览器下载之后我们就解压放到根目录下面，与package.json同级。然后我们在根目录下新建一个index.js文件。

const puppeteer = require(“puppeteer”);

const fs = require(“fs”);

const request = require(“request”);

const path = require(“path”);

//配置路径，关键！

const pathToExtension = require(“path”).join(

__dirname,

“./chrome-win/chrome.exe”

);

最后我的项目目录：

03 选择网站

---

我们都设置好了之后我们就开始选取一个网站进行测试了，我这里就选择了这个来爬取图片。

其实我们知道万物皆可爬，只要分析对了就好。前端最熟悉不过的F12走一波就好。看了一下大概结构是长这样的，准备好了之后开始撸码。

反手一写（CV）就出来这样的代码。

const puppeteer = require(“puppeteer”);

const fs = require(“fs”);

const request = require(“request”);

const path = require(“path”);

let i = 2;//页数

async function netbian(i) {

const pathToExtension = require(“path”).join(

__dirname,

“./chrome-win/chrome.exe”

);

const browser = await puppeteer.launch({

headless: false,

executablePath: pathToExtension,

});

const page = await browser.newPage();

await page.goto(http://pic.netbian.com/4kfengjing/index_${i}.html);//为了方便从第二页开始

let images = await page.$$eval(“ul>li>a>img”, (el) =>//图片节点，API可查看官方介绍

el.map((x) => “http://pic.netbian.com” + x.getAttribute(“src”))//获取图片的src地址

);

mkdirSync(./images); // 存放目录

for (m of images) {

await downloadImg(m, “./images/” + new Date().getTime() + “.jpg”);

}

netbian(++i);//下一页，具体结束页可以自己限制

// 关闭

await browser.close();

}

netbian(i);//这里执行

// 同步创建目录

function mkdirSync(dirname) {

if (fs.existsSync(dirname)) {

return true;

} else {

if (mkdirSync(path.dirname(dirname))) {

fs.mkdirSync(dirname);

return true;

}

}

return false;

}

// 下载文件 保存图片

async function downloadImg(src, path) {

return new Promise(async function (resolve, reject) {

let writeStream = fs.createWriteStream(path);

let readStream = await request(src);

await readStream.pipe(writeStream);

readStream.on(“end”, function () {

console.log(“文件下载成功”);

});

readStream.on(“error”, function () {

console.log(“错误信息:” + err);

});

writeStream.on(“finish”, function () {

console.log(“文件写入成功”);

writeStream.end();

resolve();

});

});

}

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！