Puppeteer-py：Python 中的无头浏览器自动化

news2024/9/20 10:32:26

1. 引言

在当今快速发展的互联网时代，自动化测试和数据抓取变得越来越重要。Puppeteer-py 作为一个 Python 库，提供了一种简单而强大的方法来控制无头浏览器，实现网页的自动化操作。无论是进行端到端的测试，还是抓取动态生成的数据，Puppeteer-py 都能提供极大的帮助。

2. 什么是 Puppeteer-py

Puppeteer-py 是 Puppeteer 的 Python 端口，Puppeteer 是一个 Node.js 库，用于控制无头 Chrome 或 Chromium 浏览器。Puppeteer-py 允许 Python 开发者以编程方式与浏览器交互，执行各种自动化任务。

3. Puppeteer-py 的特性

Puppeteer-py 继承了 Puppeteer 的所有特性，并针对 Python 进行了优化。以下是一些关键特性：

无头浏览器控制：无需打开浏览器界面即可控制浏览器。
生成截图和 PDF：轻松捕获网页的屏幕截图或生成 PDF 文件。
自动化表单提交：自动化填写和提交网页表单。
捕获元素信息：获取页面元素的文本、属性等信息。
模拟用户行为：模拟点击、滚动、键盘输入等用户行为。
网络请求拦截：拦截、修改或阻止网络请求。
JavaScript 执行：在页面上下文中执行 JavaScript 代码。
异步操作：API 设计为异步，提高并发处理能力。

4.使用 Puppeteer-py 访问京东

本文将以访问京东网站为案例，演示如何使用 Puppeteer-py 进行自动化操作。详细过程如下：

4.1 初始化浏览器和页面

首先，我们需要初始化一个浏览器实例和一个新的页面

4.2 导航到京东

接下来，我们将导航到京东的主页：

4.3 搜索商品

假设我们要搜索“Python 书籍”，我们可以模拟用户在搜索框中输入文本并点击搜索按钮的行为：

4.4 等待搜索结果

搜索结果可能需要一些时间来加载，我们可以使用 page.waitForSelector 方法等待特定的元素加载完成：

4.5 截图搜索结果

一旦搜索结果加载完成，我们可以对搜索结果页面进行截图：

4.6 关闭浏览器

最后，我们关闭浏览器实例：
完整代码过程如下所示：

import asyncio
from puppeteer import Browser, BrowserContext

proxyHost = "www.16yun.cn"
proxyPort = "5445"
proxyUser = "16QMSOML"
proxyPass = "280651"

async def main():
    # 设置代理服务器
    proxy = f"http://{proxyUser}:{proxyPass}@{proxyHost}:{proxyPort}"

    # 启动浏览器
    browser = await Browser.launcher().launch({
        'args': [
            '--proxy-server=' + proxy,
            # 其他需要的启动参数可以在这里添加
        ]
    })

    # 创建浏览器上下文，并设置代理
    browser_context = await browser.createIncognitoBrowserContext()
    page = await browser_context.newPage()
    
    # 设置页面代理
    await page.setExtraHTTPHeaders({
        'Proxy-Host': proxyHost,
        'Proxy-Port': proxyPort,
        'Proxy-Username': proxyUser,
        'Proxy-Password': proxyPass,
    })

    # 导航到京东
    await page.goto('https://www.jd.com')
    
    # 搜索“Python 书籍”
    await page.type('input[name="keyword"]', 'Python 书籍')
    await page.click('button[name="search-btn"]')
    
    # 等待搜索结果加载
    await page.waitForSelector('div.gl-item')
    
    # 截图搜索结果
    await page.screenshot(path='jd_search_result.png')
    
    # 关闭浏览器
    await browser.close()

if __name__ == '__main__':
    asyncio.run(main())