一、介绍
无头浏览器(Headless Browser),顾名思义是没有显示用户图形界面的浏览器,在其他方面与普通浏览器并无区别,只是将原来通过键盘鼠标触发的操作事件转为由代码执行。无头浏览器最初用于自动化测试中,但其特性十分适合爬虫实现,如今也是一种不错的爬虫实现方式。
无头浏览器的实现工具除了puppteer还有selenium和phantomjs,选择puppteer的主要原因是因为它由谷歌公司推出,基于Chrome或Chromium,且仍在维护。
二、实现准备
本项目在Node.js中实现,自然要先 npm i puppeteer安装依赖包,但它同时会下载对应版本的Chromium,个人尝试过程中npm下载会在下载Chromium时卡很久,使用cnpm则最终提示下载失败。电脑中已下载了Chrome浏览器的话可以选择不下载,直接使用该Chrome运行。方法就是在安装puppeteer前执行以下命令:
npm config set puppeteer_skip_chromium_download = 1
除此之外网上有通过修改npm配置文件来避免下载Chromium的方法,个人尝试后没有生效。
在安装完毕进行使用时,page.evaluate中的选择器无法使用,额外安装了jQuery便可以了,不太清楚具体原因,有同样问题的同学可以尝试。
三、代码实现
首先确定的爬取目标是拉勾网,因为自己已经通过node-crawler模块实现了一个爬虫,对puppteer只是简单的尝试,