如何在 Node.js 中使用 Puppeteer 抓取网站？

Puppeteer 是一个 Node.js 库，它提供了一个高级 API 来通过 DevTools 协议控制无头 Chrome 或 Chromium。它允许在无头/有头浏览器上自动化、测试和抓取网页。

安装 Puppeteer：要使用 puppeteer，您必须安装 Node.js。然后，可以使用 npm 包管理器在命令行中安装 Puppeteer。

npm install puppeteer

使用 Puppeteer：可以使用以下命令将 Puppeteer 库导入到您的脚本中：

const puppeteer = require('puppeteer');

重要的是要记住 Puppeteer 是一个基于 Promise 的库，它对无头 Chrome 实例执行异步调用。因此，我们将其包装在异步包装器中。这意味着代码会立即执行。

这是一个截取页面截图的简单示例：

Javascript

import Puppeteer
const puppeteer = require('puppeteer');
 
(async () => {
    const browser = await puppeteer.launch();
     
    // Open new page in headless browser
    const page = await browser.newPage();
     
    // To visit page in browser
    await page.goto('https://scrapethissite.com');
     
    // Save Screenshot at Path
    await page.screenshot({path: 'screenshot.png'});
   
      // Close our browser instance
    await browser.close();
  })();

运行您的代码：将您的代码保存为 JavaScript 文件并使用以下命令在命令行中运行它 -

node filename.js

示例：以下代码返回一个带有 NHL 曲棍球队名称和当年获胜次数的对象，

Javascript

const puppeteer = require('puppeteer');
 
(async () => {
    const browser = await puppeteer.launch();
    const page = await browser.newPage();
    await page.goto('https://scrapethissite.com/pages/forms/');
 
    const textsArray = await page.evaluate(
        () => [...document.querySelectorAll(
            '#hockey > div > table > tbody > tr > td.name')]
            .map(elem => elem.innerText)
    );
    const WinArray = await page.evaluate(
        () => [...document.querySelectorAll(
            '#hockey > div > table > tbody > tr > td.wins')]
            .map(elem => elem.innerText)
    );
    var result = {};
    textsArray.forEach((textsArray, i) =>
        result[textsArray] = WinArray[i]);
    console.log(result);
    await browser.close();
})();

输出：

{ ‘Boston Bruins’: ’36’, ‘Buffalo Sabres’: ’31’, ‘Calgary Flames’: ’31’, ‘Chicago Blackhawks’: ’36’, 
‘Detroit Red Wings’: ’34’, ‘Edmonton Oilers’: ’37’, ‘Hartford Whalers’: ’31’, ‘Los Angeles Kings’: ’46’, 
‘Minnesota North Stars’: ’27’, ‘Montreal Canadiens’: ’39’, ‘New Jersey Devils’: ’32’, ‘New York Islanders’: ’25’, 
‘New York Rangers’: ’36’, ‘Philadelphia Flyers’: ’33’, ‘Pittsburgh Penguins’: ’41’, ‘Quebec Nordiques’: ’16’, 
‘St. Louis Blues’: ’47’, ‘Toronto Maple Leafs’: ’23’, ‘Vancouver Canucks’: ’28’, ‘Washington Capitals’: ’37’, 
‘Winnipeg Jets’: ’26’}