demo
from pyppeteer import launchasync def main():browser = await launch(headless = False) page = await browser.newPage()await page.goto('https://www.baidu.com')await page.screenshot({
'path': 'example.png'})await browser.close()asyncio.run(main())
---------------------
作者：耳森Paulson
来源：CSDN
原文：https://blog.csdn.net/qq_38534107/article/details/92833863
版权声明：本文为博主原创文章，转载请附上博文链接！
开启浏览器
await launch()
方法定义pyppeteer.launcher.launch(options: dict = None, **kwargs) → pyppeteer.browser.Browser\
可以看到它处于 launcher 模块中，参数没有在声明中特别指定，返回类型是 browser 模块中的 Browser 对象，另外观察源码发现这是一个 async 修饰的方法，所以调用它的时候需要使用 await。- 参数说明
ignoreHTTPSErrors (bool): 是否要忽略 HTTPS 的错误，默认是 False。headless (bool): 是否启用 Headless 模式，即无界面模式，如果 devtools 这个参数是 True 的话，那么该参数就会被设置为 False，否则为 True，即默认是开启无界面模式的。executablePath (str): 可执行文件的路径，如果指定之后就不需要使用默认的 Chromium 了，可以指定为已有的 Chrome 或 Chromium。slowMo (int|float): 通过传入指定的时间，可以减缓 Pyppeteer 的一些模拟操作。args (List[str]): 在执行过程中可以传入的额外参数。ignoreDefaultArgs (bool): 不使用 Pyppeteer 的默认参数，如果使用了这个参数，那么最好通过 args 参数来设定一些参数，否则可能会出现一些意想不到的问题。这个参数相对比较危险，慎用。handleSIGINT (bool): 是否响应 SIGINT 信号，也就是可以使用 Ctrl + C 来终止浏览器程序，默认是 True。handleSIGTERM (bool): 是否响应 SIGTERM 信号，一般是 kill 命令，默认是 True。handleSIGHUP (bool): 是否响应 SIGHUP 信号，即挂起信号，比如终端退出操作，默认是 True。dumpio (bool): 是否将 Pyppeteer 的输出内容传给 process.stdout 和 process.stderr 对象，默认是 False。userDataDir (str): 即用户数据文件夹，即可以保留一些个性化配置和操作记录。env (dict): 环境变量，可以通过字典形式传入。devtools (bool): 是否为每一个页面自动开启调试工具，默认是 False。如果这个参数设置为 True，那么 headless 参数就会无效，会被强制设置为 False。logLevel (int|str): 日志级别，默认和 root logger 对象的级别相同。autoClose (bool): 当一些命令执行完之后，是否自动关闭浏览器，默认是 True。loop (asyncio.AbstractEventLoop): 时间循环对象。
加载cookie
import asyncio
from pyppeteer import launchasync def main():browser = await launch(headless=False, userDataDir='./userdata', args=['--disable-infobars'])page = await browser.newPage()await page.goto('https://www.taobao.com')await asyncio.sleep(100)asyncio.get_event_loop().run_until_complete(main())
常用Api
- page.goto 访问网页
- page.screenshot 网页截图保存
- page.pdf 网页导出 PDF 保存
- page.evaluate 执行 JavaScript 并返回对应数据
实例
import asyncio
from pyppeteer import launchasync def main():browser = await launch()page = await browser.newPage()await page.goto('http://quotes.toscrape.com/js/')await page.screenshot(path='example.png')await page.pdf(path='example.pdf')dimensions = await page.evaluate('''() => {return {width: document.documentElement.clientWidth,height: document.documentElement.clientHeight,deviceScaleFactor: window.devicePixelRatio,}}''')print(dimensions)await browser.close()asyncio.run(main())
元素定位API
1 百度
- page.goto 跳转URL
- page.type()
- page.click
import asyncio
from pyppeteer import launchasync def baidu_search(keyword):browser = await launch(headless=False)page = await browser.newPage()await page.goto('https://www.baidu.com/')await page.type('input#kw.s_ipt', keyword)await page.click('#su')await asyncio.sleep(100)await browser.close()if __name__ == '__main__':keyword = 'pyppeteer'asyncio.run(baidu_search(keyword))
2 今日头条
import asyncio
from pyppeteer import launchasync def main():# headless参数设为False，则变成有头模式browser = await launch(# headless=False)page = await browser.newPage()# 设置页面视图大小await page.setViewport(viewport={'width':1280, 'height':800})# 是否启用JS，enabled设为False，则无渲染效果await page.setJavaScriptEnabled(enabled=True)await page.goto('https://www.toutiao.com/')# 打印页面cookiesprint(await page.cookies())# 打印页面文本print(await page.content())# 打印当前页标题print(await page.title())# 抓取新闻标题title_elements = await page.xpath('//div[@class="title-box"]/a')for item in title_elements:# 获取文本title_str = await (await item.getProperty('textContent')).jsonValue()print(await item.getProperty('textContent'))# 获取链接title_link = await (await item.getProperty('href')).jsonValue()print(title_str)print(title_link)# 关闭浏览器await browser.close()asyncio.main(main())