python-了解PhantomJS

最新推荐文章于 2023-09-23 12:59:41 发布

aaaaaaxin

最新推荐文章于 2023-09-23 12:59:41 发布

阅读量568

点赞数

分类专栏： python笔记文章标签： python javascript

本文链接：https://blog.csdn.net/qq_41121485/article/details/127102991

版权

python笔记专栏收录该内容

12 篇文章 0 订阅

订阅专栏

PhantomJS

直接从来浏览器中提取渲染好的HTMl文档。如果Ajax请求很多，有时请求参数还进行了加密，手工分析每一个Ajax请求，很麻烦。
这时候可以用PhantomJS直接提取浏览器渲染好的效果，不进行Ajax请求分析。
PhantomJS是一个基于WebKit的服务器端JavaScript API。全面支持Web而无需浏览器支持，原生支持各种Web标准：DOM处理，CSS选择器，JSON,Canvas和SVG。
PhantomJS可以用于页面自动化，网络检测，网页截图，以及无界面测试等。
PhantomJS可以看作一个没有界面的浏览器，既有Firefox浏览器，google浏览器的功能，又因为没有界面而更快，占更小内存。

Phantomjs

可以在 https://phantomjs.org/download.html 下载，直接解压然后配置一下环境变量。

快速入门

新建一个JavaScript文件hello.js
    console.log('Hello world!')
    phantom.exit()
然后在命令行中输入
    phantomjs hello.js
输出内容为：Hello,world!.代码中的第一句是控制台输出 ‘Hello, world’,第二局是终止phantom的运行，不然程序会一直运行，不会停止。

页面加载

通过PhantomJS,一个网页可以被加载，分析和通过创建网页对象呈现。
打开一个博客为例 http://www.cnblogs.com/qiyeboy/  并将页面进行截图保存

var page = require('webpage').create()
page.open('https://www.cnblogs.com/qiyeboy/', function (status){
    console.log('Status: ' + status)
    if (status === 'success'){
        page.render('qiye.png')
    }
    phantom.exit()
})

代码解释：使用webpage模块创建一个page对象，然后通过page对象打开网址，如果请求状态为success，则通过render方法将当前页面保存为qiye.png图片。

除了打开网页截图之外，还可以对网页的开打进行测速，同时还能给JavaScript脚本传递参数的功能。

var page = require('webpage').create(),
    system = require('system'),  t, address;


if (system.args.length === 1){
    console.log('Usage: loadspeed.js <some URL>');
    phantom.exit();
}

t = Date.now();
address = system.args[1];
page.open(address, function (status){
    if(status !== 'success'){
        console.log('FALL to load the address');
    }else {
        t = Date.now() - t
        console.log('Loading ' + system.args[1]);
        console.log('Loading time ' + t + ' mesc');
    }
    phantom.exit();
})

    控制台输出 phantomjs .\loadspeed.js http://www.cnblogs.com/qiyeboy/
代码解释：使用webpage模块创建一个page对象，使用system模块获取系统对象system，并声明了两个变量t和address,用来保存时间和传入参数。
        如果传入参数的长度等于1，说明要加载的地址没有传入，进行提示并退出phantom。为什么要等于1，因为phantomjs loadspeed.js第一个参数是loadspeed.js。
        接着获取当前时间，然后打开网页，获取加载完成后的时间，进行相减即可。

代码评估

为了评估网页中的JavaScript代码，可以利用evaluate。这个执行是 '沙盒式'的，不会去执行网页外的JavaScript代码。evaluate方法可以返回一个对象，
返回值仅限于对象，不能包含函数(或闭包)。如果使用evaluate方法获取 http://www.cnblogs.com/qiyeboy/页面的标题。

var url = 'https://www.cnblogs.com/qiyeboy/'
var page = require('webpage').create()
page.open(url, function (status){
    var title = page.evaluate(function (){
        return document.title
    })
    console.log('Page title is ' + title)
    phantom.exit()
})

任何来自于网页包括来自evaluate()内部代码的控制台信息，默认不会显示。要覆盖次行为，使用onConsoleMessage回调方法，改动

var url = 'https://www.cnblogs.com/qiyeboy/'
var page = require('webpage').create()

page.onConsoleMessage = function (msg){
    console.log('Page title is ' + msg)
}

page.open(url, function (status){
    page.evaluate(function (){
        console.log(document.title)
    })
    phantom.exit()
})

屏幕捕获

由于PhantomJS使用的是WebKit内核，一个真正布局和渲染引擎，可以捕捉一个页面的屏幕截图。也可以渲染页面上的元素，可以用于HTML和CSS的内容转换，还可用于SVG和画布。
可以将网页保存为Pnr格式，jpg,gif,pdf格式
转为pdf

var page = require('webpage').create()
page.open('https://www.cnblogs.com/qiyeboy/', function (status) {
    console.log('Status: ' + status)
    if (status === 'success'){
        page.render('qiye.pdf')
    }
    phantom.exit()
})

PhantomJS不仅可以将页面转化为不同的文件格式，还可以对视图进行缩放和裁剪，主要用到page对象中两个非常重要的属性：viewportSize和clipRect。
viewportSize是视区的大小，其作用可以看作是将开发的浏览器窗口进行缩放。
clipRect是在这个视区中裁剪矩形的大小，需要四个参数，前两个是基准点，后两个参数是宽高。

var page = require('webpage').create()
page.viewportSize = {width: 1024, height: 768}
page.clipRect = {top: 0, left: 0, width: 512, height: 256}

page.open('https://www.cnblogs.com/qiyeboy/', function (status) {
    console.log('Status: ' + status)
    if (status === 'success'){
        page.render('qiye02.png')
    }
    phantom.exit()
})

网络监控

PhantomJS允许检验网络流量，可以用来分析网络行为和性能，实现对网络的监听。向远程服务器发送请求时，可以使用OnResourceRequested和onResourceReceived两个方法
获取所有资源请求和响应

var page = require('webpage').create()
console.log('The default user agent is ' + page.settings.userAgent)
page.settings.userAgent = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/105.0.0.0 Safari/537.36'
page.open('http://www.mtime.com/', function (status) {
    if (status !== 'success'){
        console.log('Unable to access network')
    }else {
        var ua = page.evaluate(function () {
            return document.getElementsByClassName('fothr').item(0).innerHTML
        })
        console.log(ua)
    }
    phantom.exit()
})

页面自动化

PhantomJS可以加载和处理一个网页，可以适用于自动化处理，PhantomJS中标准JavaScript的DOM操作和CSS选择器都是生效的
    --operator
代码解释：首先创建page对象，接着将默认的User-Agent进行了修改，打开指定网页，当加载完成之后，执行DOM操作。
PhantomJS允许添加外部的JS库，比如下面的例子添加Jquery

var page = require('webpage').create()
page.open('http://www.sample.com', function () {
    page.includeJs('https://cdn.bootcdn.net/ajax/libs/jquery/3.6.1/jquery.js', function (){
        page.evaluate(function (){
            $("button").click()
        })
        phantom.exit()
    })
})

常用模块和方法

phantom webpage system fs四个模块
phantom
    主要讲其中五个方法。
    方法原型                                功能                                      例子
    {Boolean} addCookie                     添加一个Cookie信息到Cookie-Jar               phantom.addCookie({'name':'Added-Cookie-Name', 'value':'Added-Cookie-Value', 'domain': '.google.com'})
    {void} clearCookies()                   删除Cookiejar中的所有Cookie信息              phantom.clearCookies()
    {Boolean}deleteCookie(cookieName)       删除指定名称的Cookie信息                     phantom.deleteCookie('Added-Cookie-Name')
    {void}phantom.exit(returnValue)         以指定的返回值退出程序                        if (somethingIsWrong){phantom.exit(1)}else{phantom.exit(0)}
    {boolean}phantom.injectJs(filename)     注入外部的js文件                            var wasSuccessful = phantom.injectJs('')

webpage
    includeJs, open两个普通方法，onInitialized, onLoadFinished两个回调方法
    includeJs方法原型为includeJs(url, callback),功能时从指定的url获取远程javaScript脚本，并执行回调方法
        var webPage = require('webpage')
        var page = webPage.create()
        page.includeJs('xx.js', function() {
            (page.evaluate(function() {
                var $loginForm = $('from #login')
            }))
        })

    open方法比较复杂，有四种函数重载方式，分别为 open(url, callback)  open(url, method, callback)  open(url, method, data, callback), open(url,settings, callback)
    url为链接，method为GET或者POST请求，data为附加的数据，callback为回调函数，settings为对请求头和你内容的设置

    onInitialized是回调方法，在webpage对象被创建之后，url被加载之前被调用，主要是用来操作一些全局变量
        var webPage = require('webpage')
        var page = webPage.create()
        page.onInitialized = function(){
            page.evaluate(function() {
                document.addEventListener('DOMContentLoaded', function() {
                    console.log('DOM content has loaded.')
                }, false)
            })
        }

    onLoadFinished是回调方法，在页面加载完成之后调用，方法还有一个参数status.如果加载成功status为success,否则为fail。
    webpage中open方法就是用这个方法作为回调函数。

system
    该模块只有属性，没有方法
    属性                          含义
    args                         从命令行中输入的参数，是一个字符串列表
    env                          系统变量，是一个键值对列表
    os                           操作系统的信息
    pid                          当前执行PhantomJS的进程号
    platform                     平台名称，总是PhantomJS

fs
    模块全程为File System    主要是对文件系统进行操作。该模块方法很多，这里主要列一部分
    方法                      功能
    touch                    创建一个空文件
    exists                   判断文件是否存在
    read                     读文件
    write                    写文件