前言:
目前兄弟们对“抓取网页数据插件”大概比较关怀,咱们都想要分析一些“抓取网页数据插件”的相关内容。那么小编在网上网罗了一些关于“抓取网页数据插件””的相关文章,希望咱们能喜欢,你们一起来学习一下吧!前言
由于业务需求, 笔者要为公司开发几款实用的浏览器插件,所以大致花了一天的时间,看完了谷歌浏览器插件开发文档,在这里特地总结一下经验, 并通过一个实际案例来复盘插件开发的流程和注意事项.
你将收获如何快速上手浏览器插件开发浏览器插件开发的核心概念浏览器插件的通信机制浏览器插件的数据存储浏览器插件的应用场景开发一款抓取网站图片资源的浏览器插件正文
在开始正文之前,我们先来看看笔者总结的概览:
如果对浏览器插件开发比较熟悉的朋友可以直接看最后一节插件开发实战。
1.入门
首先我们看看的浏览器插件的定义:
浏览器插件是基于Web技术(例如HTML,JavaScript和CSS)构建的可以定制浏览体验的小型软件程序。它们使用户可以根据个人需要或偏好来定制Chrome功能和行为。
要想开发一款浏览器插件,我们只需要有一个manifest.json文件即可, 为了快速上手浏览器插件开发,我们需要把浏览器开发者工具打开, 具体步骤如下:
在谷歌浏览器中输入chrome://extensions/将开发者模式启动导入自己的浏览器插件包
通过以上三个步骤我们就可以开启浏览器插件开发之旅了.浏览器插件一般放在浏览器地址栏右侧,我们可以在manifest.json文件配置插件的icon,并配置一定的规则,就能看到我们的浏览器插件图标了,如下图:
下面我们来具体讲解一下浏览器插件开发的核心概念.
2.核心知识点
浏览器插件一般涉及以下几个核心文件:
manifest.json 用来配置所有和插件相关的配置(必须放在根目录)background.js 后台脚本(后台页面),生命周期和浏览器一致,一般放置全局代码content-scripts 插件向页面注入脚本的一种形式,我们可以通过content-scripts向页面注入js和css资源,并可控制允许注入的范围popup 点击插件图标后打开的自定义窗口, 用来处理用户交互
笔者画了一张简图来大致表示一下它们之间的关系:
接下来我们来具体了解一下以上几个核心知识点.
2.1 manifest.json
谷歌官网给我们提供了一份简单的配置,如下:
{ "name": "My Extension", "version": "2.1", "description": "Gets information from Google.", "icons": { "128": "icon_16.png", "128": "icon_32.png", "128": "icon_48.png", "128": "icon_128.png" }, "background": { "persistent": false, "scripts": ["background_script.js"] }, "permissions": ["https://*.google.com/", "activeTab"], "browser_action": { "default_icon": "icon_16.png", "default_popup": "popup.html" } }复制代码
各字段含义介绍如下:
name 浏览器插件名称, 将会在插件列表中显示description 浏览器插件简介, 方便告诉开发者插件的功能和作用, 将会在插件列表中显示version 浏览器插件版本icon 浏览器插件图标background 背景页的脚本路径,一般为插件目录的相对地址permissions 允许使用的浏览器API的权限,比如contextMenus(右键菜单), tabs(操作标签), webRequest(使用web请求), storage(允许使用本地存储), "http://*"(可以通过executeScript或者insertCSS访问的网站)browser_action 浏览器右上角图标设置(包括popup页面, 鼠标悬停时的标题, icon等)content_scripts 需要直接注入页面的javascript脚本web_accessible_resources 普通页面能够直接访问的插件资源列表,如果不设置是无法直接访问的chrome_url_overrides 覆盖浏览器默认页面(经常用来做浏览器的自定义桌面)omnibox 向地址栏注册一个关键字以提供搜索建议,只能设置一个关键字(多用于自定义搜索拦截)default_locale 默认语言(比如"zh_CN")
文末会给出完整的配置文件地址,方便大家学习参考.
2.2 background.js
background页面主要用来提供一些全局配置, 事件监听, 业务转发等.举几个常用案例:
定义右键菜单
// background.jsconst systems = { a: '趣谈前端', b: '掘金', c: '微信'}chrome.runtime.onInstalled.addListener(function() { // 上下文菜单 for (let key of Object.keys(systems)) { chrome.contextMenus.create({ id: key, title: systems[key], type: 'normal', contexts: ['selection'], }); }});// manifest.json{ "permissions": ["contextMenus"]}复制代码
效果如下:
设置只有.com后缀的页面才会激活插件
chrome.runtime.onInstalled.addListener(function() { // 类似于什么时候激活浏览器插件图标这种感觉 chrome.declarativeContent.onPageChanged.removeRules(undefined, function() { chrome.declarativeContent.onPageChanged.addRules([{ conditions: [new chrome.declarativeContent.PageStateMatcher({ pageUrl: {hostSuffix: '.com'}, }) ], actions: [new chrome.declarativeContent.ShowPageAction()] }]); });});复制代码
如下图所示,当页面地址的后缀不等于.com时,插件icon将不被激活:
3. 和content_script或者popup页面进行消息通信
chrome.runtime.onMessage.addListener( function(request, sender, sendResponse) { console.log(sender.tab ? "from a content script:" + sender.tab.url : "from the extension"); if (request.greeting == "hello") sendResponse({farewell: "goodbye"}); });复制代码2.3 content-scripts
内容脚本一般植入会被植入到页面中, 并且可以控制页面中的dom. 我们可以利用它实现屏蔽网页广告, 定制页面皮肤等操作. 在manifest.json中的基本配置如下:
{ "content_scripts": [{ "matches": [ "http://*/*", "https://*/*" ], "js": [ "lib/jquery3.4.min.js", "content_script.js" ], "css": ["base.css"] }],}复制代码
以上代码中我们定义了content_scripts允许注入的页面范围, 插入页面的js以及css, 这样我们就能轻松改变某一个页面的样式.比如我们可以在页面中注入一个按钮:
在后面的浏览器插件案例中笔者会详细介绍content_scripts的用法.
2.4 popup
popup是用户点击插件图标时打开的一个小窗口,当失去焦点后窗口就立即关闭,我们一般用它来处理一些简单的用户交互和插件说明。
由于popup窗口也是一个网页,所以我们一般会建立一个popup.html和popup.js用来控制popup的页面展示和交互.我们在manifest.json中配置如下:
{ "page_action": { "default_title": "小夕图片提取插件", "default_popup": "popup.html" },}复制代码
这里要注意一点的是,我们在popup.html中不能直接使用script脚本,需要用引入脚本文件的方式.如下:
<!DOCTYPE html><html> <head> <title>在线图片提取工具</title> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> </head> <body> <div class="pop-wrap"> </div> <script src="lib/jquery3.4.min.js"></script> <script src="popup.js"></script> </body></html>复制代码
以下是笔者写的一个插件的popup页面:
3.通信机制
对于一个相对复杂的浏览器插件来说,我们不仅仅只操作dom或者提供基本的功能就行了,我们还需要向第三方或者自己的服务器抓取有用的页面数据,这个时候就需要用到插件的通信机制了.
因为content_script脚本存在于当前页面,受同源策略影响,导致我们无法将捕获到的数据传给第三方平台或者自己的服务器, 所以我们需要基于浏览器的通信API.以下是谷歌浏览器插件的通信流程:
3.1 popup和background相互通信
由官方文档可知popup可以直接访问background页的方法,所以popup可以直接与其通信:
// background.jsvar getData = (data) => { console.log('拿到数据:' + data) }// popup.jslet bgObj = chrome.extension.getBackgroundPage();bgObj.getData(); // 访问bg的函数复制代码3.2 popup或者background页和content_script通信
这里我们使用chrome的tabs API,如下:
// popup.js// 发送消息给content_scriptchrome.tabs.query({active: true, currentWindow: true}, function(tabs) { chrome.tabs.sendMessage(tabs[0].id, "activeBtn", function(response) { console.log(response); }); }); // 接收消息chrome.runtime.onMessage.addListener( function(request, sender, sendResponse) { console.log(sender.tab ? "from a content script:" + sender.tab.url : "from the extension"); if (request.greeting == "hello") sendResponse({farewell: "goodbye"}); });复制代码
content_script接收和发送消息:
// 接收消息chrome.runtime.onMessage.addListener( function(message, sender, sendResponse) { if (message == "activeBtn"){ // ... sendResponse({farewell: "激活成功"}); } }); // 主动发送消息 chrome.runtime.sendMessage({greeting: "hello"}, function(response) { console.log(response, document.body); // document.body.style.backgroundColor="orange"});复制代码
有关消息的长连接,在谷歌官网也写的很清楚:
我们可以采用如下方式进行长连接:
// content_script.jsvar port = chrome.runtime.connect({name: "徐小夕"});port.postMessage({Ling: "你好"});port.onMessage.addListener(function(msg) { if (msg.question == "你是做什么滴?") port.postMessage({answer: "搬砖"}); else if (msg.question == "搬砖有钱吗?") port.postMessage({answer: "木有"});});// popup.jschrome.runtime.onConnect.addListener(function(port) { port.onMessage.addListener(function(msg) { if (msg.Ling == "你好") port.postMessage({question: "你是做什么滴?"}); else if (msg.answer == "搬砖") port.postMessage({question: "搬砖有钱吗?"}); else if (msg.answer == "木有") port.postMessage({question: "太难了."}); });});复制代码4.数据存储
chrome.storage用来针对插件全局进行数据存储,我们在任何一个页面(popup或content_script或background)下存储了数据,我们在以上三个页面都可以获取到, 具体用法如下:
获取数据chrome.storage.sync.get('imgArr', function(data) { console.log(data)});// 保存数据chrome.storage.sync.set({'imgArr': imgArr}, function() { console.log('保存成功'); }); // 另一种方式chrome.storage.local.set({key: value}, function() { console.log('Value is set to ' + value);});复制代码5.应用场景
谷歌浏览器的插件应用场景很多,正如文章开头的思维导图中写的.以下是笔者总结的一些应用场景,大家感兴趣可以尝试去实现:
谷歌浏览器自定义桌面网页性能分析工具网页爬虫埋点工具网页热力图生成工具安全拦截插件广告过滤插件网站动态换肤第三方数据导入代码格式化工具在线协作工具防作弊插件
还有很多实用工具可以开发,大家可以好好把玩。接下来就来通过实现一个网页图片提取插件,来总结以下浏览器插件开发流程。
6.开发一款抓取网站图片资源的浏览器插件
首先还是按照笔者的风格,在开发任何一种工具之前都要明确需求,所以我们来看看该插件的功能点:
能植入网页按钮,通过点击按钮捕获网页图片能在用户端展示捕获的图片点击插件能预览捕获的图片
基本上就这几个功能,接下来我会展示核心代码,在介绍代码之前我们先预览一下插件的实现效果:
插件目录结构如下:
因为插件的开发比较简单,所以我直接用jquery开发。这里我们主要关注popup.js和content_script.js, popup.js中主要用来获取从content_script页传过来的图片数据,并展示在popup.html中,另外又一个需要注意的是当页面没有注入生成按钮时,popupu需要发送信息给content页面,主动让其生成按钮,代码如下:
chrome.storage.sync.get('imgArr', function(data) { data.imgArr && data.imgArr.forEach(item => { var imgWrap = $("<div class='img-box'></div>") var img = $("<img src='" + item + "' alt='" + item + "' />") imgWrap.append(img); $('#content').append(imgWrap); $('.empty').hide(); })});$('#activeBtn').click(function(element) { chrome.tabs.query({active: true, currentWindow: true}, function(tabs) { chrome.tabs.sendMessage(tabs[0].id, "activeBtn", function(response) { console.log(response); }); });});复制代码
对于content页面,我们需要实现的是动态生成按钮,并且在页面中植入弹窗来展示获取到的图片,另一方面需要将图片数据传递给storage,以便popup页面可以获取图片数据。
由于页面比较简单,笔者就不用过多的第三方库了,笔者先简单手写一个modal组件,代码如下:
// 弹窗~function Modal() { var modal; if(this instanceof Modal) { this.init = function(opt) { modal = $("<div class='modal'></div>"); var title = $("<div class='modal-title'>" + opt.title + "</div>"); var close_btn = $("<span class='modal-close-btn'>X</span>"); var content = $("<div class='modal-content'></div>"); var mask = $("<div class='modal-mask'></div>"); close_btn.click(function(){ modal.hide() }) title.append(close_btn); content.append(title); content.append(opt.content); modal.append(content); modal.append(mask); $('body').append(modal); } this.show = function(opt) { if(modal) { modal.show(); }else { var options = { title: opt.title || '标题', content: opt.content || '' } this.init(options) modal.show(); } } this.hide = function() { modal.hide(); } }else { window.Modal = new Modal() }}()复制代码
第一步,我们先批量获取页面图片数据:
var imgArr = [] $('img').each(function(i) { var src = $(this).attr('src'); var realSrc = /^(http|https)/.test(src) ? src : location.protocol+ '//' + location.host + src; imgArr.push(realSrc) })复制代码
因为图片的src路径可能是相对地址,所以笔者在这里用正则简单处理以下,当然我们可以进行更细粒度的控制。
第二步,将图片数据存储到storage中:
chrome.storage.sync.set({'imgArr': imgArr}, function() { console.log('保存成功'); });复制代码
第三步,生成预览图片的弹窗,这里用笔者上面实现的modal组件:
Modal.show({ title: '提取结果', content: imgBox})复制代码
第四步,当popup发送激活按钮的通知时,我们要在网页中动态插入生成按钮:
chrome.runtime.onMessage.addListener( function(message, sender, sendResponse) { if (message == "activeBtn"){ if(!$('.crawl-btn')) { $('body').append("<div class='crawl-btn'>提取</div>") }else { $('.crawl-btn').css("background-color","orange"); setTimeout(() => { $('.crawl-btn').css("background-color","#06c"); }, 3000); } sendResponse({farewell: "激活成功"}); } });复制代码
setTimeout那段纯属是为了吸引用户视线,当然我们可以用更优雅的方式来处理。 插件核心代码主要是这些,当然还有很多细节要考虑,我把配置文件和一些细节放到github了,如果感兴趣的朋友可以安装感受一下。
github地址:一款提取网页图片数据的浏览器插件
最后
如果想学习更多H5游戏, webpack,node,gulp,css3,javascript,nodeJS,canvas数据可视化等前端知识和实战,欢迎在《趣谈前端》学习讨论,共同探索前端的边界。