puppeteer的原理和作用

这篇文章主要介绍“puppeteer是什么”，在日常操作中，相信很多人在puppeteer是什么问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”puppeteer是什么”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

一、Puppeteer简介

Puppeteer 是一个 Node 库，它提供了一个高级 API 来通过 DevTools 协议控制 Chromium 或 Chrome，利用Puppeteer可以获取页面DOM节点、网络请求和响应、程序化操作页面行为、进行页面的性能监控和优化、获取页面截图和PDF等，利用该神器就可以操作Chrome浏览器玩出各种花样。

二、Puppeteer核心组成结构

Puppeteer的结构也反映了浏览器的结构，其核心结构如下所示：

图片

Browser：这是一个浏览器实例，可以拥有浏览器上下文，可通过 puppeteer.launch 或 puppeteer.connect 创建一个 Browser 对象。

BrowserContext：该实例定义了一个浏览器上下文，可拥有多个页面，创建浏览器实例时默认会创建一个浏览器上下文（不能关闭），此外可以利用 browser.createIncognitoBrowserContext()创建一个匿名的浏览器上下文（不会与其它浏览器上下文共享cookie/cache）.

Page：至少包含一个主框架，除了主框架外还有可能存在其它框架，例如iframe。

Frame：页面中的框架，在每个时间点，页面通过page.mainFrame()和frame.childFrames()方法暴露当前框架的细节。对于该框架中至少有一个执行上下文

ExecutionCOntext：表示一个JavaScript的执行上下文。

Worker：具有单个执行上下文，便于与 WebWorkers 交互。

三、基本使用和常用功能

该神器整体使用起来比较简单，下面就开始我们的使用之路。

3.1 启动Browser

核心函数就是异步调用puppeteer.launch()函数，根据相应的配置参数创建一个Browser实例。

const path = require('path');  const puppeteer = require('puppeteer');  const chromiumPath = path.join(__dirname, '../', 'chromium/chromium/chrome.exe');  async function main() {      // 启动chrome浏览器      const browser = await puppeteer.launch({          // 指定该浏览器的路径          executablePath: chromiumPath,          // 是否为无头浏览器模式，默认为无头浏览器模式          headless: false      });  }   main();

3.2 访问页面

访问页面首先需要创建一个浏览器上下文，然后基于该上下文创建一个新的page，最后指定要访问的网址。

async function main() {      // 启动chrome浏览器      // ……      // 在一个默认的浏览器上下文中被创建一个新页面      const page1 = await browser.newPage();      // 空白页访问该指定网址      await page1.goto('https://51yangsheng.com');      // 创建一个匿名的浏览器上下文      const browserContext = await browser.createIncognitoBrowserContext();      // 在该上下文中创建一个新页面      const page2 = await browserContext.newPage();      page2.goto('https://www.baidu.com');  }    main();

3.3 设备模拟

经常需要不同类型的机型的浏览结果，此时就可以采用设备模拟实现，下面模拟一个iPhone X的设备的浏览器结果

async function main() {      // 启动浏览器      // 设备模拟：模拟一个iPhone X      // user agent      await page1.setUserAgent('Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1')      // 视口（viewport）模拟      await page1.setViewport({          width: 375,          height: 812      });          // 访问某页面  }  main();

3.4 获取DOM节点

获取DOM节点有两种方式，一种方式是直接调用page所带的原生函数，另一种是通过执行js代码获取。

async function main() {      // 启动chrome浏览器      const browser = await puppeteer.launch({          // 指定该浏览器的路径          executablePath: chromiumPath,          // 是否为无头浏览器模式，默认为无头浏览器模式          headless: false      });      // 在一个默认的浏览器上下文中被创建一个新页面      const page1 = await browser.newPage();      // 空白页访问该指定网址      await page1.goto('https://www.baidu.com');      // 等待title节点出现      await page1.waitForSelector('title');      // 用page自带的方法获取节点     const titleDomText1 = await page1.$eval('title', el => el.innerText);      console.log(titleDomText1);// 百度一下      // 用js获取节点      const titleDomText2 = await page1.evaluate(() => {          const titleDom = document.querySelector('title');          return titleDom.innerText;      });      console.log(titleDomText2);  }  main();

3.5 监听请求和响应

下面就来监听一下百度中某一js脚本的请求和响应,request事件是监听请求，response事件是监听响应。

async function main() {      // 启动chrome浏览器      const browser = await puppeteer.launch({          // 指定该浏览器的路径          executablePath: chromiumPath,          // 是否为无头浏览器模式，默认为无头浏览器模式          headless: false      });      // 在一个默认的浏览器上下文中被创建一个新页面      const page1 = await browser.newPage();      page1.on('request', request => {          if (request.url() === 'https://s.bdstatic.com/common/openjs/amd/eslx.js') {              console.log(request.resourceType());              console.log(request.method());              console.log(request.headers());          }      });      page1.on('response', response => {          if (response.url() === 'https://s.bdstatic.com/common/openjs/amd/eslx.js') {              console.log(response.status());              console.log(response.headers());         }      })      // 空白页刚问该指定网址      await page1.goto('https://www.baidu.com');  }  main();

3.6 拦截某一请求

默认情况下request事件只有只读属性，不能够拦截请求，若想拦截该请求则需要通过page.setRequestInterception(value)启动请求拦截器，然后利用request.abort, request.continue 和 request.respond 方法决定该请求的下一步操作。

async function main() {      // 启动chrome浏览器      const browser = await puppeteer.launch({          // 指定该浏览器的路径          executablePath: chromiumPath,          // 是否为无头浏览器模式，默认为无头浏览器模式          headless: false      });      // 在一个默认的浏览器上下文中被创建一个新页面      const page1 = await browser.newPage();      // 拦截请求开启      await page1.setRequestInterception(true);// true开启，false关闭      page1.on('request', request => {          if (request.url() === 'https://s.bdstatic.com/common/openjs/amd/eslx.js') {              // 终止该请求              request.abort();              console.log('该请求被终止！！！');          }          else {              // 继续该请求              request.continue();          }      });      // 空白页访问该指定网址      await page1.goto('https://www.baidu.com');  }  main();

3.7 截图

截图是一个很有用的功能，通过截取就可以保存一份快照，方便后期问题的排查。（注：在无头模式下进行截图，否则截的图可能有问题）

async function main() {   // 启动浏览器，访问页面的操作         // 截屏操作，使用Page.screenshot函数      // 截取整个页面:Page.screenshot函数默认截取整个页面，加上fullPage参数就是全屏截取      await page1.screenshot({          path: '../imgs/fullScreen.png',          fullPage: true      });      // 截取屏幕中一个区域的内容      await page1.screenshot({          path: '../imgs/partScreen.jpg',          type: 'jpeg',          quality: 80,          clip: {              x: 0,              y: 0,              width: 375,              height: 300          }      });      browser.close();  }  main();

3.8 生成pdf

除了利用截图保留快照外，还可以使用pdf保留快照。

async function main() {   // 启动浏览器，访问页面的操作        // 根据网页内容生成pdf文件,使用Page.pdf——注意：必须在无头模式下才可以调用      await page1.pdf({          path: '../pdf/baidu.pdf'      });      browser.close();  }  main();

到此，关于“puppeteer是什么”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！