http://puppeteerjs.com/
# Puppeteer
对应浏览器位置Mac /Users/huangchao/Works/GitHub/project-source/node_modules/puppeteer/.local-chromium/
[GitHub](https://github.com/puppeteer/puppeteer) \
[英文 API](https://pptr.dev/) \
[中文 API](https://zhaoqize.github.io/puppeteer-api-zh_CN/#/)
```
npm i puppeteer
yarn add puppeteer
npm i puppeteer-core
yarn add puppeteer-core
node demo.js
```
puppeteer.launch([options])
options <Object> 在浏览器上设置的一组可配置选项。 有以下字段:
ignoreHTTPSErrors <boolean> 是否在导航期间忽略 HTTPS 错误. 默认是 false。
headless <boolean> 是否以 无头模式 运行浏览器。默认是 true,除非 devtools 选项是 true。
executablePath <string> 可运行 Chromium 或 Chrome 可执行文件的路径,而不是绑定的 Chromium。如果 executablePath 是一个相对路径,那么他相对于 当前工作路径 解析。
slowMo <number> 将 Puppeteer 操作减少指定的毫秒数。这样你就可以看清发生了什么,这很有用。
defaultViewport <?Object> 为每个页面设置一个默认视口大小。默认是 800x600。如果为 null 的话就禁用视图口。
width <number> 页面宽度像素。
height <number> 页面高度像素。
deviceScaleFactor <number> 设置设备的缩放(可以认为是 dpr)。默认是 1。
isMobile <boolean> 是否在页面中设置了 meta viewport 标签。默认是 false。
hasTouch<boolean> 指定viewport是否支持触摸事件。默认是 false。
isLandscape <boolean> 指定视口是否处于横向模式。默认是 false。
args <Array<string>> 传递给浏览器实例的其他参数。 这些参数可以参考 这里。
ignoreDefaultArgs <(boolean|<Array<string>>)> 如果是 true,那就不要使用 puppeteer.defaultArgs()。 如果给出了数组,则过滤掉给定的默认参数。这个选项请谨慎使用。默认为 false。
handleSIGINT <boolean> Ctrl-C 关闭浏览器进程。默认是 true。
handleSIGTERM <boolean> 关闭 SIGTERM 上的浏览器进程。默认是 true。
handleSIGHUP <boolean> 关闭 SIGHUP 上的浏览器进程。默认是 true.
timeout <number> 等待浏览器实例启动的最长时间(以毫秒为单位)。默认是 30000 (30 秒). 通过 0 来禁用超时。
dumpio <boolean> 是否将浏览器进程标准输出和标准错误输入到 process.stdout 和 process.stderr 中。默认是 false。
userDataDir <string> 用户数据目录 路径。
env <Object> 指定浏览器可见的环境变量。默认是 process.env。
devtools <boolean> 是否为每个选项卡自动打开DevTools面板。如果这个选项是 true,headless 选项将会设置成 false。
pipe <boolean> 通过管道而不是WebSocket连接到浏览器。默认是 false。
returns: <Promise<Browser>> 浏览器实例支持 Promise。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
资源推荐
资源详情
资源评论
收起资源包目录
微软和谷歌的自动化测试,web网站爬虫.zip (30个子文件)
SJT-code
SECURITY.md 619B
Puppeteer
jd
index.js 2KB
LICENSE 1KB
demo
demo.js 3KB
demo.ts 0B
test.js 257B
concat.txt 594B
package.json 761B
pnpm-lock.yaml 20KB
playwright.config.ts 3KB
playwright.config.js 3KB
README.md 3KB
LICENSE 1KB
package.json 786B
pnpm-lock.yaml 32KB
playwright.config.ts 3KB
workflows
playwright.yml 650B
.gitignore 411B
playwright.config.js 3KB
README.md 2KB
Playwright
LICENSE 1KB
demo
demo.js 309B
test.js 256B
concat.txt 594B
package.json 762B
pnpm-lock.yaml 20KB
playwright.config.ts 3KB
workflows
playwright.yml 650B
playwright.config.js 3KB
README.md 472B
共 30 条
- 1
资源评论
JJJ69
- 粉丝: 6213
- 资源: 5783
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功