什么是puppeteer？

行业中puppeteer被称为傀儡师，又被称为提线木偶，它是一个 Node 库，它提供了一个高级 API 来通过 DevTools 协议 控制 Chrome 或 Chromium 。Puppeteer 默认运行 无头 ，但可以配置为运行完整（非无头）Chrome 或 Chromium。

puppeteer可以做什么？生成页面的屏幕截图和 PDF。抓取 SPA（单页应用程序）并生成预渲染内容（即“SSR”（服务器端渲染））。自动化表单提交、UI 测试、键盘输入等。创建最新的自动化测试环境。使用最新的 JavaScript 和浏览器功能直接在最新版本的 Chrome 中运行测试。捕获您网站的 时间线轨迹 以帮助诊断性能问题。测试 Chrome 扩展程序。

puppeteer和selenium的主要区别？

puppeteer是谷歌孵化出来的一个 Node.js 库和浏览器测试框架对geogle浏览器访问权限较好，它主要针对geogle浏览器和它同胞小弟Chromium浏览器、而selenium是有Thoughtworks公司在2004 年推出的。puppeteer开发语言主要是JavaScript、而selenium支持 JavaScript、Java、Ruby、C# 和 Python。为了更好的体现python语言的万金油的作用、非官方版本的puppetter应运而生。从易用性来说如果对JavaScript有所了解的话，选择puppeteer还是比较好的。当然如果对python语言比较熟悉、像构建完善的自动化工程还是选择selenium。

语言特性和实现nodeJs

         /** @Date: 2022-08-16 22:08:40* @LastEditTime: 2022-08-17 22:18:38* @FilePath: /puppeteer/webCrawl.js* @Description: 基础使用*/const puppetter = require('puppeteer');(async()=>{try {    const browser = await puppetter.launch({        headless: true,        slowMo: 100, // slow down by 100ms     });    const page = await browser.newPage();     await page.goto(';);  // 进入博客首页    delay(2000); // 2秒进入全屏截图    console.log("2秒进入全屏截图");    await page.screenshot({path:"./theme/rainNight.png",fullPage: true}); // 截图    delay(4000); // 4秒进入检索“python”字段的内容    console.log("4秒进入检索“python”字段的内容");    await page.focus('#keywords');    await page.type('#keywords','python');    await page.click('#searchsubmit');    delay(5000); // 5秒后生成PDF    console.log("5秒后生成截图和PDF");    await page.screenshot({path:"./theme/rainNight-python.png",fullPage: true}); // 截图    await page.pdf({path:"./theme/rainNight.pdf",format:"A4",printBackground:true}) // 保存成pdf，必须是无头浏览器才可以    delay(5000); // 5秒后关闭浏览器    console.log("5秒后关闭浏览器");    await browser.close();   } catch (error) {    console.log(`this is the ${error}`);}})();// 设置间歇时间function delay(time) {let curtime = new Date().getTime();time += curtime;while(curtime < time) {    curtime = new Date().getTime();} }

python3

# -*- coding: utf-8 -*-# !/usr/bin/python3import asyncio # 异步协程库from pyppeteer import launchimport randomimport logging async def Run():browser = await launch({'headless': True, "slowMo": 100})  # slow down by 100msrandoms = random.randrange(3, 10)try:    page = await browser.newPage()    await page.goto(";, timeout=10000000)    await asyncio.sleep(randoms)    print("2秒进入全屏截图")    logging.info("2秒进入全屏截图")    await page.screenshot({"path": "./theme/rainNight.png", "fullPage": True})    await asyncio.sleep(randoms)    print("4秒进入检索“python”字段的内容")    logging.info("4秒进入检索“python”字段的内容")    await page.focus('#keywords')    await page.type('#keywords', 'python')    await page.click('#searchsubmit')    await asyncio.sleep(randoms)    print("5秒后生成截图和PDF")    logging.info("5秒后生成截图和PD")    await page.screenshot({"path": "./theme/rainNight-python.png", "fullPage": True})  # 截图    await page.pdf({"path": "./theme/rainNight.pdf", "format": "A4", "printBackground": True})  # 保存成pdf，必须是无头浏览器才可以    await asyncio.sleep(randoms)  # 5秒后关闭浏览器    print("5秒后关闭浏览器")    logging.info("5秒后关闭浏览器")finally:    await browser.close()if __name__ == "__main__":# 日志模块logging.basicConfig(filename='./Log/error.log', level=logging.DEBUG)asyncio.get_event_loop().run_until_complete(Run())

Pdf的处理对于现在场景分析中、是必须常见的、目前国际或者国内做PDF聚合阅读和处理的平台到是不多、中国老牌的福昕阅读器和海外同类的PDF Reader Pro市场都是在阅读上，但是在pdf合并和处理上并没有什么好的平台得以应用、要么收费、要么按次收费。当然今天不讨论这个问题，只是为了写个PDF聚合采集工具。

nodeJs

/* * @LastEditTime: 2022-08-18 21:59:48 * @FilePath: /puppeteer/readerCrawl.js * @Description: 这是默认设置,请设置`customMade`, 打开koroFileHeader查看配置 进行设置:  */const puppeteer = require('puppeteer');(async()=>{    try {        const browser = await puppeteer.launch({            headless: true,            slowMo: 100, // slow down by 100ms         });        const page = await browser.newPage();        await page.goto(";);        delay(2000); // 2秒进入全屏截图        let aTags = await(await page).evaluate(()=>{            let as = [...document.querySelectorAll('.catalog-body ul li a')];            return as.map((a) =>{                   return {                  href: a.href.trim(),                  name: a.text                }            });    });    lenght = (aTags.length - aTags.length) + 3    console.log("总个数："+lenght);    for (var i = 1; i <= lenght;i++){        pageS = await browser.newPage();        var a = aTags[i];                          await pageS.goto(a.href,{'timeout': 0});              await pageS.pdf({path: `./polymerization/${a.name}-${i}.pdf`,format:'a4'});        await pageS.close();        console.log("完成个数："+i);        console.log("下载标题："+a.name);    }     console.log("5秒后关闭浏览器");     await browser.close();    } catch (error) {        console.log(`this is the ${error}`);    }})();// 设置间歇时间function delay(time) {    let curtime = new Date().getTime();    time += curtime;    while(curtime < time) {         curtime = new Date().getTime();    } }

这是一个简单的产品原型、后期可以加入PDF合并、拆分以及PDF转成图片、图片转PDF、视频格式转换等工具类的工具平台。

思维和共识