微信公众号_订阅号_爬虫puppeteer

puppeteer

借助 puppeteer 库实现爬虫，puppeteer 提供了高级 api 接口来操作 chrome 来

npm install puppeteer --save-dev    // 下载到开发依赖----很大

业务逻辑：

1. 打开浏览器网页

2. 新建标签页

3. 跳转到指定网址

4. 开始爬取数据

5. 关闭浏览器

index.js

• const puppeteer = require('puppeteer');
  
  (async () => {
      // 1. 打开浏览器
      const browser = await puppeteer.launch({
          headless: true;    // 无头浏览器，不显示浏览器界面
      });
      
      // 2. 新建标签页
      const page = await browser.newPage();
      
      // 3. 跳转到指定网页
      await page.goto('https://豆瓣.com', {
          waitUntil:['load']
      });
      
      // page.type()    // 模拟用户登录
      
      // 4. 爬取数据
      //await page.screenshot({path: 'example.png'});
      
      await page.evaluate(()=>{
          // 对页面进行 DOM 操作
          const $lis = $('#nowplaying .list>li');
          let result = [];
          
          for(var i=0; i<$lis.length; i++){
              //获取了单个li元素
              const $li = $($lis[i]);
  
              //海报图
              const image = $li.find('.poster img').attr('src');
  
              //电影标题
              const title = $li.find('.stitle a').text().trim();
  
              //电影评分
              const rating = $li.find('.subject-rate').text();
              
              result.push({image, title, rating});
          };
          
          return result;
      });
      
      // 5. 关闭浏览器
      await browser.close();
  })();