参考文章:html
pyppeteer 是对无头浏览器 puppeteer的 Python 封装。无头浏览器普遍用于自动化测试,同时也是一种很好地爬虫思路。前端
使用 puppeteer(等其余无头浏览器)的最大优点固然是对 js 加密实行降维打击,彻底无视 js 加密手段,对于一些须要登陆的应用,也能够模拟点击而后保存 cookie。而不少时候前端的加密是爬虫最难攻克的一部分。固然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,那也会占用至关一部份内存。另外额外维护一个浏览器的启动、关闭也是一种负担。python
这篇文章咱们来写一个简单的 demo,爬取拼多多搜索页面的数据,最终的效果以下:git
咱们把全部 api 请求的原始数据保存下来:github
示例 json 文件以下:web
开发环境
python3.6+
最好是 python3.7,由于asyncio在 py3.7中加入了很好用的asyncio.run()方法。chrome
安装pyppeteer
若是安装有问题请去看官方文档。json
python3 -m pip install pyppeteer
复制代码
安装 chromium
你懂的,天朝网络环境很复杂,若是要用pyppeteer本身绑定的chromium,半天都下载不下来,因此咱们要手动安装,而后在程序里面指定executablePath。api
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 的目录不同,情换成本身对应的executable文件地址
'executablePath': '你下载的Chromium.app/Contents/MacOS/Chromium',
})
page = await browser.newPage()
await page.goto('http://example.com')
await page.screenshot({'path': 'example.png'})
await browser.close()
asyncio.get_event_loop().run_until_complete(main())
复制代码
pyppeteer 重要接口介绍
pyppeteer.launch
launch 浏览器,能够传入一个字典来配置几个options