- 整体介绍
- UI自动化
- 1. 废话不多说,先上动图/视频看效果
- 2. 开始介绍,第一步,爬取 segmentfault 前30篇热门文章
- 3. 登录掘金 (这里我事先注册了个测试账号,大家可以替换成自己的)
- #4.推荐文章(使用第一步从SF爬取的文章信息)">#4.推荐文章(使用第一步从SF爬取的文章信息)
- #前端监控">#前端监控
- #高级爬虫">#高级爬虫
- #1. 运行Puppeteer,使用launch">#1. 运行Puppeteer,使用launch
- #2. 跳转至 阮一峰老师的ES6博客(opens new window),使用goto">#2. 跳转至 阮一峰老师的ES6博客(opens new window),使用goto
- #3. 分析博客左侧导航栏的dom结构,并拿到所有链接的href、title信息">#3. 分析博客左侧导航栏的dom结构,并拿到所有链接的href、title信息
- #4. 使用Puppeteer打印当前页面的PDF,使用pdf">#4. 使用Puppeteer打印当前页面的PDF,使用pdf
- #5. 最终结果,将20多页博客打印成PDF">#5. 最终结果,将20多页博客打印成PDF
- #性能分析">#性能分析
- #结语">#结语
整体介绍
Puppeteer简介
- Puppeteer是一个node库,他提供了一组用来操纵Chrome的API,理论上使用它可以做任何Chrome可以做的事
- 有点类似于PhantomJS,但Puppeteer由Chrome官方团队进行维护,前景更好
- Puppeteer的应用场景会非常多,就爬虫领域来说,远比一般的爬虫工具功能更丰富,性能分析、自动化测试也不在话下
Puppeteer官方文档(opens new window)
项目Repo
直接访问:https://github.com/zhentaoo/puppeteer-deep(opens new window)
几个有可用的Demo
UI自动化(使用Puppeteer可以模拟用户操作,模拟表单填写)
- 前端监控(https://github.com/zhentaoo/hawk-eye)
- 高级爬虫(有别于传统爬虫.使用Puppeteer可以拿到渲染后的效果。而传统爬虫相当于只能拿到http response,对字符串进行解析)
页面性能分析 (使用chrome的timeline,也就是Puppeteer提供的trace API)
项目运行
npm install (puppeteer在win下100+M、mac下70+M,请耐心等候)
几个脚本
npm run sf-juejin (推荐segmentfault的热门文章到掘金)
- npm run monitor (前端监控、报警)
- npm run es6 (爬取了阮一峰老师的《ES6标准入门》并打印PDF)
- npm run zhentaoo (打印 www.zhentaoo.com 首页的图片)
npm run trace (生成 www.zhentaoo.com 的trace.json,并分析性能)
UI自动化
1. 废话不多说,先上动图/视频看效果
GIF图片比较大,如果不能加载成功,也可以到微博看下录制的视频 http://weibo.com/tv/v/FiHMz7dcq?fid=1034:dcc08a8eee118263f6071fb6fafcc9a9
2. 开始介绍,第一步,爬取 segmentfault 前30篇热门文章
- 接着分析SF首页的Dom结构,爬取每篇文章的链接
- 然后取出每篇文章最重要的 href,title 等信息
- 具体代码如下:
awaitpage.goto('https://segmentfault.com/news/frontend')
varSfFeArticleList = awaitpage.evaluate(() => {
varlist = [...document.querySelectorAll('.news__list .news__item-title a')]
returnlist.map(el=> {
return {href:el.href.trim(), title:el.innerText}
})
})
awaitpage.screenshot({path:'./sf-juejin/sf.png', type:'png'});
3. 登录掘金 (这里我事先注册了个测试账号,大家可以替换成自己的)
- 跳转到掘金,模拟点击登录按钮
- 接着,会弹出一个的登录dialog,模拟输入用户名密码
- 模拟点击登录,稍等….嗯…掘金应该把cookie写好了….
代码如下:
await page.goto('https://juejin.im') var login = await page.$('.login') await login.click() var loginPhoneOrEmail = await page.$('[name=loginPhoneOrEmail]') await loginPhoneOrEmail.click() await page.type('18516697699@163.com', {delay: 20}) var password = await page.$('[placeholder=请输入密码]') await password.click() await page.type('123456', {delay: 20}) var authLogin = await page.$('.panel .btn') await authLogin.click()
#4.推荐文章(使用第一步从SF爬取的文章信息)
模拟点击推荐文章 按钮 “+”
- 这时从SF拿到的文章信息就派上用场了,随机取出一篇: Math.floor(Math.random() * 30)
- 模拟填写推荐表单,点击发布
- 嗯,有时会提示该文章已被分享,那就换一篇吧,再执行一次。
代码如下
var seed = Math.floor(Math.random() * 30) var theArtile = SfFeArticleList[seed] var add = await page.$('.main-nav .ion-android-add') await add.click() var shareUrl = await page.$('.entry-form-input .url-input') await shareUrl.click() await page.type(theArtile.href, {delay: 20}) await page.press('Tab') await page.type(theArtile.title, {delay: 20}) await page.press('Tab') await page.type(theArtile.title, {delay: 20}) await page.evaluate(() => { let li = [...document.querySelectorAll('.category-list-box .category-list .item')] li.forEach(el => { if (el.innerText == '前端') el.click() }) }) var submitBtn = await page.$('.submit-btn') await submitBtn.click()
#前端监控
#代码 https://github.com/zhentaoo/hawk-eye
#1. 为什么要有前端监控系统?
目前市面上以及各大公司流行的监控系统,都是API层的监控,包括调用量、数据、响应时长….. 似乎只要接口没问题,整个系统就是稳定运行的,一切皆大欢喜 但事实并非如此,CDN、DNS、Webview等等这些条件,都可能导致前端渲染失败、白屏 离用户最近的一层—前端,却迟迟没有被加入监控列表,无形中流失多少用户…..
#2. Node Express Server
使用 express monitor 命令,生成express项目模版
- 安装并启动mongodb,推荐 robomongo 可视化工具
提供两个接口,1当Puppeteer发现网页渲染有异常则调用,2获取系统监控状态
#3. 定时脚本
设置定是脚本,每隔5分钟,访问 www.zhentaoo.com,抓取关键信息,并生成截图
- 如果信息获取失败,则将截图保存至err目录,并记入数据库中
function monitor() { puppeteer.launch().then(async browser => { let page = await browser.newPage(); await page.goto(‘http://www.zhentaoo.com/‘); await timeout(2000); let aTags = await page.evaluate(() => { let as = […document.querySelectorAll(‘ol li a’)]; return as.map((a) =>{ return { href: a.href.trim(), name: a.text } }); }); await page.screenshot({path: ‘./data/zhentaoo/zhentaoo.png’, type: ‘png’}); browser.close(); }); } monitor(); setInterval(monitor, 1000 60 5);
#4. 进阶:与Chrome插件集成
如果单纯的监控系统,每每需要点击,然后去看监控的情况,想必也有些麻烦 那么为何不做个Chrome插件,显示监控状态呢? 好吧,可以看我的另一个repo,https://github.com/zhentaoo/bitcoin-price,学习如何写一个chrome插件 然后监控系统提供API给Chrome插件使用
#高级爬虫
#1. 运行Puppeteer,使用launch
puppeteer.launch().then(async browser => { …… what you want …… })
#2. 跳转至 阮一峰老师的ES6博客(opens new window),使用goto
let page = await browser.newPage(); await page.goto(‘http://es6.ruanyifeng.com/#README‘);
#3. 分析博客左侧导航栏的dom结构,并拿到所有链接的href、title信息
let as = […document.querySelectorAll(‘ol li a’)]; return as.map((a) =>{ return { href: a.href.trim(), name: a.text } });
#4. 使用Puppeteer打印当前页面的PDF,使用pdf
await page.pdf({path: ./es6-pdf/${aTags[0].name}.pdf
});
#5. 最终结果,将20多页博客打印成PDF
#性能分析
#1. 简单介绍 Trace API
Trace API其实很简单,主要是使用Chrome Performance,生成当前页面的 性能追踪 文件, 然后将该文件上传给Chrome,就可以利用Chrome的开发者工具分析火焰图、各种数据参数
#2. API: 使用 tracing start,stop生成trace.json
await page.tracing.start({path: ‘./data/trace/trace.json’}); await page.goto(‘http://www.zhentaoo.com‘); await page.tracing.stop();
#3. 将trace.json上传给chrome,如下图
#4. Chrome Performance/Timeline 使用教程
关于Chrome Performance/Timeline的使用又是一个大篇幅,这里提供一个教程
- Chrome 开发者工具(opens new window)
- 如何查看性能(opens new window)
- 分析运行时性能(opens new window)
- 诊断强制的同步布局(opens new window)
#结语
- 为了效果展示,这里使用的headless: false模式,实际使用时可以同时开n个page,模拟操作,大家可以尝试改改,也可以给我提PR
- 目前已经带领大家,使用Puppeteer完成爬虫 和 UI自动化测试,接下来可能会出第三篇,应该会是关于前端性能分析
- 其实Puppeteer的应用场景远不止这些,大家也可以使用它在各自的领域大放异彩!!!
- 希望掘金小编不会打我….