puppeteer 是 Google Chrome 团队官方的无界面(Headless)Chrome 工具。Chrome 作为浏览器市场的龙头,Chrome Headless 必将成为 web 应用 自动化测试 的行业有力竞争者。这篇文章是简单的使用puppeteer 实现爬去内容并存储,来学习下puppeteer的api。
我们要爬去的对象选择的是https://weekly.75team.com/ 最新的一条周刊,首先你需要安装puppeteer,
yarn add puppeteer
or
npm install puppeteer
然后新建一个spider.js
内容如下
const puppeteer = require('puppeteer'); (async () => { const browser = await puppeteer.launch({ headless: false, devtools: true }); const page = await browser.newPage(); const viewConfig = { width: 360, height: 640, isMobile: true }; //设置窗口 page.setViewport(viewConfig); //跳转 await page.goto('https://weekly.75team.com/', { waitUntil: 'networkidle2' }); //处理拿到需要的数据 const result = await page.evaluate(() => { let data = {}; let elements = document.querySelector('.issue-list li'); let title = elements.querySelector('a').innerHTML; let url = elements.querySelector('a').href; let date = elements.querySelector('.date').innerHTML; data = { title: title, url: url, date: date }; return data; }); //跳转到添加的页面 await page.goto('http://yourwebsite.com/add.html', { waitUntil: 'networkidle2' }); //填充数据并提交 await page.type('#title', result.title); await page.type('#url', result.url); await page.type('#date', result.date); await page.waitFor(1000); await page.click('.submit'); await page.waitFor(3000); browser.close(); })();
以上的代码在关键的地方已经写有注释就不一一的解释了,接下来你只需要使用node的启动即可。
node spider.js
接下来你就可以看到启动chromium 走每一个步骤。