google-chrome - 将 Artoo.js 与 Google Puppeteer 结合使用进行网页抓取

标签 google-chrome web-scraping puppeteer google-chrome-headless

我好像不能用Artoo.jsPuppeteer .

我尝试通过 npm install artoo-js 使用它,但没有成功。

我还尝试使用 Puppeteer 命令 page.injectFile(filePath) 注入(inject)构建路径分布,但我没有成功。

有没有人能够成功实现这两个库?

如果是这样,我会喜欢有关如何注入(inject) Artoo.js 的代码片段。

最佳答案

我刚刚为 another answer 尝试了 Puppeteer ,我想我也可以试试 Artoo,所以给你 :)

(第 0 步:如果没有安装 Yarn)

yarn init
yarn add puppeteer
# Download latest artoo script, not as a yarn dependency here because it won't be by the Node JS runtime
wget https://medialab.github.io/artoo/public/dist/artoo-latest.min.js

将其保存在 index.js 中:

const puppeteer = require('puppeteer');
(async() => {
    const url = 'https://news.ycombinator.com/';
    const browser = await puppeteer.launch();
    const page = await browser.newPage();
    // Go to URL and wait for page to load
    await page.goto(url, {waitUntil: 'networkidle'});
    // Inject Artoo into page's JS context
    await page.injectFile('artoo-latest.min.js');
    // Sleeping 2s to let Artoo initialize (I don't have a more elegant solution right now)
    await new Promise(res => setTimeout(res, 2000))
    // Use Artoo from page's JS context
    const result = await page.evaluate(() => {
        return artoo.scrape('td.title:nth-child(3)', {
            title: {sel: 'a'},
            url: {sel: 'a', attr: 'href'}
        });
    });
    console.log(`Result has ${result.length} items, first one is:`, result[0]);
    browser.close();
})();

结果:

$ node index.js 
Result has 30 items, first one is: { title: 'Headless mode in Firefoxdeveloper.mozilla.org',
url: 'https://developer.mozilla.org/en-US/Firefox/Headless_mode' }

这太有趣了,不容错过:现在 HackerNews 的头条文章是关于 Firefox Headless 的......

关于google-chrome - 将 Artoo.js 与 Google Puppeteer 结合使用进行网页抓取,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45890994/

相关文章:

javascript - Chrome 扩展 : Passing message by button from popup. html 到事件页面

python - 一些帮助在 python 中抓取页面

python-3.x - 如何停止重定向并停留在页面上以抓取数据(python3、beautifulsoup、urllib)

web-scraping - 点击 "_blank"后使用 Puppeteer 获取新页面的句柄?

node.js - puppeteer 代理

html - 浏览器如何完成 SCSS 规则评估

javascript - 在 <option> 标签内添加 span 并设置样式

javascript - 你能异步创建数千个 DOM 元素吗?

r - NA 用于网络抓取中的空白

javascript - Puppeteer 视口(viewport)设置在创建 PDF 时无效