|
Puppeteer Puppeteer是一个Node.js库，它提供了高级API来通过DevTools协议(Chrome DevTools Protocol https://devtools.)控制Chrome或Chromium。 Puppeteer默认情况下无头运行(headless)。 可以配置为运行完整的Chrome或Chromium，运行效果如下
Puppeteer具备以下功能： 1、页面截图和生成PDF 2、抓取动态网页内容 3、自动化表单提交，UI测试，键盘输入等 4、测试Chrome扩展程序 Puppeteer项目地址： https://github.com/puppeteer/puppeteer 在C#中调用，是使用了Puppeteer的移植版本，puppeteer-sharp，项目地址： https://github.com/hardkoded/puppeteer-sharp Puppeteer-sharp是基于.Net Standard 2.0开发，所以可以运行于NET Framework 4.6.1+、 .NET Core 2.0+的版本上. 操作系统的要求是Windows 8+或Windows Server2012+。如果需要在Windows 7上运行Puppeteer-Sharp，则可以通过设置LaunchOptions.WebSocketFactory属性的值为System.Net.WebSockets.Client.Managed来实现。 对于前端开发人员来说，Puppeteer最大的用处应该就是自动化测试，而对于爬虫开发人员，Puppeteer最大的用处是可以很方便的抓取动态网页。Puppeteer就等于是一个人为操作的浏览器，你可以控制它抓取任何动态网页内容。 对比CEF 在前面的文章中，我使用了CEFSharp嵌入到界面中，来进行了动态页面的抓取(https://www.cnblogs.com/zhaotianff/p/9556270.html)， 使用Puppeteer也可以达到同样的效果，但它用起来会更加方便， 因为它能以headless方式运行，不用显示在界面上。而且它封装了很多方便开发人员使用的函数。 本质 上来说，Puppeteer是通过Chrome DevTools Protocol来控制Chromium浏览器，而CEF提供了Chromium浏览器本身，它是一个Web Browser控件。 抓取动态页面  1 await new BrowserFetcher().DownloadAsync(BrowserFetcher.DefaultRevision);2 var browser = await Puppeteer.LaunchAsync(new LaunchOptions3 {4 Headless = true5 });6 var page = await browser.NewPageAsync();7 await page.GoToAsync('https://www.baidu.com');8 var html = await page.GetContentAsync(); 网页截图 1 await new BrowserFetcher().DownloadAsync(BrowserFetcher.DefaultRevision); 2 browser = await Puppeteer.LaunchAsync(new LaunchOptions 3 { 4 Headless = true 5 }); 6 var page = await browser.NewPageAsync(); //打开一个新标签 7 await page.GoToAsync('https://www.baidu.com'); //访问页面 8 9 10 //设置截图选项11 ScreenshotOptions screenshotOptions = new ScreenshotOptions();12 //screenshotOptions.Clip = new PuppeteerSharp.Media.Clip() { Height = 0, Width = 0, X = 0, Y = 0 };//设置截剪区域13 screenshotOptions.FullPage = true; //是否截取整个页面14 screenshotOptions.OmitBackground = false;//是否使用透明背景，而不是默认白色背景15 screenshotOptions.Quality = 100; //截图质量 0-100（png不可用）16 screenshotOptions.Type = ScreenshotType.Jpeg; //截图格式17 18 await page.ScreenshotAsync('D:\\a.jpg',screenshotOptions); 截图效果如下：
保存网页为PDF 1 await new BrowserFetcher().DownloadAsync(BrowserFetcher.DefaultRevision); 2 browser = await Puppeteer.LaunchAsync(new LaunchOptions 3 { 4 Headless = true 5 }); 6 var page = await browser.NewPageAsync(); //打开一个新标签 7 await page.GoToAsync('https://www.baidu.com'); //访问页面 8 9 //设置PDF选项10 PdfOptions pdfOptions = new PdfOptions();11 pdfOptions.DisplayHeaderFooter = false; //是否显示页眉页脚12 pdfOptions.FooterTemplate = ''; //页脚文本13 pdfOptions.Format = new PuppeteerSharp.Media.PaperFormat(8.27m,11.69m); //pdf纸张格式 英寸为单位 14 pdfOptions.HeaderTemplate = ''; //页眉文本15 pdfOptions.Landscape = false; //纸张方向 false-垂直 true-水平 16 pdfOptions.MarginOptions = new PuppeteerSharp.Media.MarginOptions() { Bottom = '0px', Left = '0px', Right = '0px', Top = '0px' }; //纸张边距，需要设置带单位的值，默认值是None17 pdfOptions.Scale = 1m; //PDF缩放，从0-118 await page.PdfAsync(path, pdfOptions); 保存出来的PDF效果并不怎么好，应该是文档宽高没控制好的原因。
重要说明： Puppeteer需要先下载Chromium浏览器的相关文件，也就是下面这句代码执行的操作 1 await new BrowserFetcher().DownloadAsync(BrowserFetcher.DefaultRevision); 可能会出现下载失败的情况，如下图：
可以从这里下载 ，并解压到程序运行目录。（推荐这种方式，因为出现了上面的异常，第二种方式中的链接你也访问不了
也可以通过以下方式： 访问google chromium开源镜像网站，下载Chromium浏览器 https://commondatastorage./chromium-browser-snapshots/index.html?prefix=Win_x64/
下载后解压到相应位置，然后通过指定Chromium路径来进行初始化  1 LaunchOptions options = new LaunchOptions(); 2 options.Headless = true; 3 options.DefaultViewport = null; 4 //忽略证书错误 5 options.IgnoreHTTPSErrors = true; 6 7 //chromePath就是下载的Chromium浏览器解压的位置11 options.ExecutablePath = chromePath;12 13 browser = await Puppeteer.LaunchAsync(options); 本文示例代码 https://github.com/zhaotianff/PuppeteerDemo 如果在使用过程中，遇到了问题，可以提个issue给我。 更加详细的Puppeteer使用教程以及爬虫相关知识，可以访问我的github |
|
|
