import * as puppeteer from 'puppeteer-core';
(async () => {
const browser = await puppeteer.launch({
executablePath: '/Applications/Microsoft Edge.app/Contents/MacOS/Microsoft Edge',
args: ['--start-maximized', '--disable-extensions', '--disable-infobars', '--disable-web-security', '--disable-features=IsolateOrigins,site-per-process'],
headless: true,
});
browser.newPage().then(async (page) => {
await page.setViewport({width: 1920, height: 1080});
await page.goto('http://www.petsworld.cn/Html/zhzx/guonei/2023/3/6376401601033.html', {waitUntil: 'networkidle2'});
const xpath = "/html/body/table[2]/tbody/tr/td[1]/table/tbody/tr[2]/td/table/tbody/tr[4]/td/table[1]/tbody/tr[1]";
const images = await getImages(page, xpath);
console.log(images)
const html = await getHtml(page, xpath);
console.log(html)
await page.close()
await browser.close();
});
})();
const getHtml = (page, xpath) => {
return new Promise((resolve, reject) => {
page.$x(xpath).then(async (element) => {
//將image的url變?yōu)榻^對(duì)路徑
await page.evaluate(element => {
const images = element.querySelectorAll('img');
for (const image of images) {
image.src = new URL(image.src, window.location.href).href;
}
}, element[0]);
// return html
let html = await page.evaluate(element => element.innerHTML, element[0]);
html = clean_html(html)
resolve(html);
}).catch((err) => {
reject(err);
})
})
}
const getImages = (page, xpath) => {
return new Promise((resolve, reject) => {
page.$x(xpath).then(async (element) => {
const images = await page.evaluate(element => {
const images = element.querySelectorAll('img');
for (const image of images) {
image.src = new URL(image.src, window.location.href).href;
}
return Array.from(images).map(image => image.src);
}, element[0]);
resolve(images);
}).catch((err) => {
reject(err);
})
})
}
function clean_property(html) {
const properties = [
'style', 'class', 'size', 'face', 'lang', 'width', 'height', 'valign', 'align', 'border', 'cellpadding',
'cellspacing', 'onload', 'onunload', 'onclick', 'ondblclick', 'onmousedown', 'onmouseup',
'onmouseover', 'onmousemove', 'onmouseout', 'onkeypress', 'onkeydown', 'onkeyup', 'onfocus',
'onblur', 'onselect', 'onchange', 'onsubmit', 'onreset', 'onselectstart', 'onerrorupdate',
'onhelp', 'onrowexit', 'onrowenter', 'onbeforeunload', 'onbeforeupdate', 'onafterupdate',
'oncellchange', 'oncontextmenu', 'ondataavailable', 'ondatasetchanged', 'ondatasetcomplete',
'onmousewheel', 'onreadystatechange', 'onstop', 'onrowsdelete', 'onrowsinserted', 'onbeforeeditfocus',
];
properties.forEach((property) => {
const reg = new RegExp(property + '="[^"]*"', "g");
html = html.replace(reg, "");
})
return html;
}
function clean_tags(html) {
const tags = ['script', 'style', 'iframe', 'link', 'meta', 'noscript', 'object', 'param', 'applet', 'embed'];
tags.forEach((tag) => {
const reg = new RegExp('<' + tag + '.*?>.*?</' + tag + '>', "g");
html = html.replace(reg, "");
})
//
const otherTags = ['font', 'span', 'o:p'];
otherTags.forEach((tag) => {
const regStart = new RegExp('<' + tag + '.*?>', "g");
html = html.replace(regStart, "");
const regEnd = new RegExp('</' + tag + '.*?>', "g");
html = html.replace(regEnd, "");
})
return html;
}
function clean_html(html) {
html = clean_property(html);
html = clean_tags(html);
//清除注釋
html = html.replace(/<!--.*?-->/g, "");
//清除空格和空行
html = html.replace(/ /g, "");
html = html.replace(/\s{2}/g, "");
html = html.replace(/\r/g, "");
html = html.replace(/\n/g, "");
//刪除空標(biāo)簽
html = html.replace(/<(\w+)[^>]*>\s*<\/\1>/g, "");
html = html_beautify(html);
return html;
}
function html_beautify(html) {
// eslint-disable-next-line no-undef
const beautify = require('js-beautify').html;
const options = {
indent_size: 4,
indent_char: ' ',
eol: '\r\n',
indent_level: 0,
indent_with_tabs: false,
preserve_newlines: true,
max_preserve_newlines: 10,
}
return beautify(html, options);
}
puppeteer 爬蟲(chóng)模板
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
- 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)敌蚜,“玉大人桥滨,你說(shuō)我怎么就攤上這事〕诔担” “怎么了齐媒?”我有些...
- 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)帅韧。 經(jīng)常有香客問(wèn)我里初,道長(zhǎng),這世上最難降的妖魔是什么忽舟? 我笑而不...
- 正文 為了忘掉前任,我火速辦了婚禮淮阐,結(jié)果婚禮上叮阅,老公的妹妹穿的比我還像新娘。我一直安慰自己泣特,他們只是感情好浩姥,可當(dāng)我...
- 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著状您,像睡著了一般勒叠。 火紅的嫁衣襯著肌膚如雪兜挨。 梳的紋絲不亂的頭發(fā)上,一...
- 那天眯分,我揣著相機(jī)與錄音拌汇,去河邊找鬼。 笑死弊决,一個(gè)胖子當(dāng)著我的面吹牛噪舀,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播飘诗,決...
- 文/蒼蘭香墨 我猛地睜開(kāi)眼与倡,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了昆稿?” 一聲冷哼從身側(cè)響起纺座,我...
- 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎溉潭,沒(méi)想到半個(gè)月后净响,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
- 正文 獨(dú)居荒郊野嶺守林人離奇死亡岛抄,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
- 正文 我和宋清朗相戀三年别惦,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片夫椭。...
- 正文 年R本政府宣布仁讨,位于F島的核電站羽莺,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏洞豁。R本人自食惡果不足惜盐固,卻給世界環(huán)境...
- 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望丈挟。 院中可真熱鬧刁卜,春花似錦、人聲如沸曙咽。這莊子的主人今日做“春日...
- 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)例朱。三九已至孝情,卻和暖如春鱼蝉,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背箫荡。 一陣腳步聲響...
- 正文 我出身青樓吐辙,卻偏偏與公主長(zhǎng)得像酒奶,于是被迫代替她去往敵國(guó)和親灶似。 傳聞我的和親對(duì)象是個(gè)殘疾皇子幻林,可洞房花燭夜當(dāng)晚...
推薦閱讀更多精彩內(nèi)容
- 代碼 分析下頁(yè)面 1 加載更多 是一個(gè)a標(biāo)簽 class="more" 2 .list-wrap包裹著所有電影預(yù)告...
- 確保自己熟練使用async與await以及分析dom結(jié)構(gòu) npm i puppeteer 在node引用 嘗試在無(wú)...
- 上一篇講述了如何去配置使用puppeteer氯哮。本篇開(kāi)始講述如何去爬取小說(shuō)網(wǎng)站中的內(nèi)容到本地。廢話少講商佛,接下來(lái)從一個(gè)...
- 上一節(jié)我們完成了并發(fā)數(shù)的控制喉钢,這一節(jié)完成連接池。 因?yàn)閱渭冎挥貌l(fā)數(shù)來(lái)控制的話良姆,每次爬取新的頁(yè)面都會(huì)開(kāi)啟新的瀏覽器...
- 介紹 爬蟲(chóng)就是自動(dòng)化瀏覽網(wǎng)站程序肠虽,收集我們所需要的數(shù)據(jù)信息,不需要人為頻繁的執(zhí)行一些操作玛追。什么是Puppeteer...