Windows下Node爬虫神器Puppeteer安装记


Posted in Javascript onJanuary 09, 2019

对于爬虫,相信大家并不陌生。当希望得到一些网站的数据并做一些有趣的事时,必不可少要爬取网页,用到爬虫。而目前网络上也有很多爬虫的教程资料,不过又尤以python语言居多。想来自己是做web的,就希望以js的方式解决问题,于是希望利用nodejs。今天介绍一款node的爬虫利器:Puppeteer。

Puppeteer正如其名“木偶”,它允许我们像牵线木偶一样操纵它。它是一个建立在DevTools协议上的提供控制无头Chrome或Chromium的高级接口的Node库。官网上对其应用举了几个例子:

  • - 生成网页的截屏(目前仅支持支持jpeg、png格式)和pdf文件
  • - 爬取SPA和异步渲染网页
  • - 自动表单提交、键盘输入、UI测试等
  • - 创建最新的自动测试环境,也就是说可以使用最新的浏览器特性
  • - 捕获站点的时间线以帮助分析性能问题

Puppeteer本质上是一个headless chrome。无头浏览器,相信如果大家做爬虫肯定有所耳闻。其实就是一个没有UI界面的浏览器,它包含了浏览器应该具有的功能,通常做web测试用,不过做爬虫也是没问题的。PhantomJS就提供这样的功能,基于webkit内核,已经有好几年历史了。不过因为Puppeteer有背景(谷歌Chrome团队开发),我最后还是选择了Puppeteer。它们之间的不同点是后者只关注于Chromium或Chrome。这也导致了最坑的一点是总是绑定最新版本的Chromium。

上面说到Puppeteer会绑定最新版本的Chromium,这意味着每次使用npm i puppeteer安装使用它时都会下载最新版本的Chromium,该版本在Windows上大约是130Mb。本来下载npm包就很不易,还要下载一个一百多兆的东西更是难上加难了。当然可以使用cnpm,下图是我下载的一个界面。可以看到下载了55分钟,这固然有我网络慢的问题,但是能不下载Chromium就尽量不下载了吧。

Windows下Node爬虫神器Puppeteer安装记

官网讲到可以通过设置环境变量或配置npm config的方式避免下载。但设置环境变量我一直没有成功,所以接下来讲解配置npm config的方式。PUPPETEER_SKIP_CHROMIUM_DOWNLOAD参数可以避免下载,所以可以在安装puppeteer之前使用下面的命令:

npm config set puppeteer_skip_chromium_download = 1

但这样每次都要敲这个命令总不是办法,所以可以将其写入.npmrc文件中。npm官网讲到有四个影响npm配置的文件,分别是:项目配置文件(/path/to/my/project/.npmrc)、用户配置文件 (~/.npmrc)、全局配置文件($PREFIX/etc/npmrc)、npm内置配置文件(/path/to/npm/npmrc)。可以使用npm config list来查看影响npm的配置文件有哪些。不过这里面有个问题,就是上面的介绍文档是针对npm最新的6.0版本的。而一般随nodejs下载的npm版本没有这么高,只是npm4.x,导致项目中的配置文件不生效。可以从下面两张图片看到两种版本的npm的配置文件的不同(上面一张:npm4.0.2,下面一张npm6.0),可以看到后者多出一个project config列表。

Windows下Node爬虫神器Puppeteer安装记

Windows下Node爬虫神器Puppeteer安装记

身为强迫症的我,当然希望直接在项目目录中更改配置文件了,所以使用下面的命令安装最新版本的npm:

npm install npm@latest -g

然后在项目目录下建立.npmrc文件,输入以下配置命令:

puppeteer_skip_chromium_download = 1

这样配置之后,就可以跳过下载了,如图所示:

Windows下Node爬虫神器Puppeteer安装记

接着就可以使用它了,以官网的例子为例:

const puppeteer = require('puppeteer');

(async () => {
 const browser = await puppeteer.launch();
 const page = await browser.newPage();
 await page.goto('https://example.com');
 await page.screenshot({path: 'example.png'});

 await browser.close();
})();

以为这样就完了吗?不,虽然跳过下载的事情解决了,但是因为没有下载会导致puppeteer无法得知要使用的Chrome或Chromium在哪里,所以还需要指明启动路径。修改一下:

const puppeteer = require('puppeteer');

(async () => {
 const browser = await puppeteer.launch({
   // headless: false,//不使用无头chrome模式
   executablePath: 'C:\\Users\\sunbo\\AppData\\Local\\Google\\Chrome\\Application\\chrome.exe',//path to your chrome
 });
 const page = await browser.newPage();
 await page.goto('https://example.com');
 await page.screenshot({path: 'example.png'});

 await browser.close();
})();

更改executablePath参数指向你本地chrome所在目录,注意一定要指向chrome.exe才能正常使用。headless参数也是挺有趣的,如果其值为false,就会真的为我们启动一个chrome进程,让我们可以可视化整个程序运行的过程。

好了,安装配置好就可以尽情享受Puppeteer带给我们的美好世界了。最后说一点,官网例子使用async/awaitpromise,所以有必要了解这些异步知识,这些东西运用好,简直打开了异步编程的新世界。祝好运!!!

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Javascript 相关文章推荐
两个select之间option的互相添加操作(jquery实现)
Nov 12 Javascript
jquery 问答知识整理
Feb 11 Javascript
jquery实现的一个简单进度条效果实例
May 12 Javascript
jquery-syntax动态语法着色示例代码
May 14 Javascript
jQuery插件AjaxFileUpload实现ajax文件上传
May 05 Javascript
Vue.js每天必学之指令系统与自定义指令
Sep 07 Javascript
JS中定位 position 的使用实例代码
Aug 06 Javascript
bootstrap confirmation按钮提示组件使用详解
Aug 22 Javascript
webpack构建换肤功能的思路详解
Nov 27 Javascript
vue.js vue-router如何实现无效路由(404)的友好提示
Dec 20 Javascript
最后说说Vue2 SSR 的 Cookies 问题
May 25 Javascript
JS实现提示效果弹出及延迟隐藏的功能
Aug 26 Javascript
jQuery简单实现根据日期计算星期几的方法
Jan 09 #jQuery
jQuery实现根据身份证号获取生日、年龄、性别等信息的方法
Jan 09 #jQuery
爬虫利器Puppeteer实战
Jan 09 #Javascript
puppeteer库入门初探
Jan 09 #Javascript
node.js的Express服务器基本使用教程
Jan 09 #Javascript
JavaScript学习笔记之基于定时器实现图片无缝滚动功能详解
Jan 09 #Javascript
element-ui 时间选择器限制范围的实现(随动)
Jan 09 #Javascript
You might like
php 文件上传系统手记
2009/10/26 PHP
php strcmp使用说明
2010/04/22 PHP
PHP中多维数组的foreach遍历示例
2014/06/13 PHP
ThinkPHP中pathinfo的访问模式、路径访问模式及URL重写总结
2014/08/23 PHP
php常量详细解析
2015/10/27 PHP
PHPExcel导出2003和2007的excel文档功能示例
2017/01/04 PHP
PHP实现绘制二叉树图形显示功能详解【包括二叉搜索树、平衡树及红黑树】
2017/11/16 PHP
Laravel 实现密码重置功能
2018/02/23 PHP
php进程daemon化的正确实现方法
2018/09/06 PHP
关于onScroll事件在IE6下每次滚动触发三次bug说明
2011/09/21 Javascript
json数据的列循环示例
2013/09/06 Javascript
javascript使用window.open提示“已经计划系统关机”的原因
2014/08/15 Javascript
javascritp添加url参数将参数加入到url中
2014/09/25 Javascript
js控制网页背景音乐播放与停止的方法
2015/02/06 Javascript
webpack+vue.js实现组件化详解
2016/10/12 Javascript
JS仿京东移动端手指拨动切换轮播图效果
2020/04/10 Javascript
JS限制条件补全问题实例分析
2016/12/16 Javascript
详解JavaScript对象的深浅复制
2017/03/30 Javascript
webpack配置sass模块的加载的方法
2017/07/30 Javascript
Node.js dgram模块实现UDP通信示例代码
2017/09/26 Javascript
jQuery实现点击下拉框中的值累加到文本框中的方法示例
2017/10/28 jQuery
vue使用axios实现文件上传进度的实时更新详解
2017/12/20 Javascript
前后端如何实现登录token拦截校验详解
2018/09/03 Javascript
详解超简单的react服务器渲染(ssr)入坑指南
2019/02/28 Javascript
Python写的创建文件夹自定义函数mkdir()
2014/08/25 Python
python中requests和https使用简单示例
2018/01/18 Python
python中字典按键或键值排序的实现代码
2019/08/27 Python
Python操作SQLite数据库过程解析
2019/09/02 Python
维多利亚的秘密官方网站:Victoria’s Secret
2018/10/24 全球购物
GMP办公室主任岗位职责
2014/03/14 职场文书
交通违章检讨书
2014/09/21 职场文书
党的群众路线批评与自我批评发言稿
2014/10/16 职场文书
五年级学生评语大全
2014/12/26 职场文书
2015年国庆节活动总结
2015/03/23 职场文书
市场督导岗位职责
2015/04/10 职场文书
Java 语言中Object 类和System 类详解
2021/07/07 Java/Android