目标
爬取csdn文章列表标题
主要学习以下知识点
方法名称 | 方法说明 |
---|---|
page.waitForSelector | 等待某个元素出现 |
page.$$eval | 此方法在页面内执行 Array.from(document.querySelectorAll(selector)),然后把匹配到的元素数组作为第一个参数传给 pageFunction |
详细api 可参考
https://blog.csdn.net/mengxiangxingdong/article/details/99237204
开始
本文章代码均在 上传在
https://gitee.com/hugo110/puppeteer-demo
1.代码
/*
爬取csdn 博客的文章的标题
*/
const puppeteer = require('puppeteer'); //引入puppeteer库
(async () => {
const browser = await puppeteer.launch({ //启动浏览器
headless: false, //代码运行时打开浏览器方便观察
// devtools:true //打开f12界面
});
const page = await browser.newPage(); //打开浏览器的一个tab 页
await page.goto('https://blog.csdn.net/mengxiangxingdong', {timeout: 10 * 1000, waitUntil: 'networkidle2'}); //访问网址 只有2个网络连接时触发(至少500毫秒后)
//等待某个元素出现, 这里我们要抓取文章,所以等待文章标题
await page.waitForSelector('.article-list h4 a', {timeout: 10 * 1000});
//开始解析每篇文章的标题
//$$eval() 此方法在页面内执行 Array.from(document.querySelectorAll(selector)),然后把匹配到的元素数组作为第一个参数传给 pageFunction。
let titleArr = await page.$$eval('.article-list h4 a', els => {
let arr = new Array();
//开始解析每篇文章的标题
for (let i = 0, len = els.length; i < len; i++) {
arr.push(els[i].innerText); //获取文章的标题
}
return arr;
});
// 输出获取的标题
await console.log('输出方法获取的标题');
for (let i = 0, len = titleArr.length; i < len; i++) {
await console.log(titleArr[i]);
}
await browser.close(); //关闭浏览器
})();
参考博客
https://zhaoqize.github.io/puppeteer-api-zh_CN/#?product=Puppeteer&version=v1.19.0&show=api-pageevalselector-pagefunction-args-1