puppeteer 实现爬虫

最新推荐文章于 2025-05-23 14:50:45 发布

原创

最新推荐文章于 2025-05-23 14:50:45 发布 · 6k 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#puppeteer #es6 #爬虫 #nodejs

本文详细介绍使用Puppeteer在Windows环境下实现网页爬虫的过程，包括安装配置、模拟用户操作、抓取图片资源等关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

puppeteer 实现爬虫（windows）

因为puppeteer中大量api都是异步函数，所以首先需要对异步函数async/await有一定的了解，await会暂停当前async函数的执行，等待后面的Promise的计算结果返回以后再继续执行，也就是说程序会在这停止，直到到await后面的函数有返回才继续执行，但是前提是返回必须是一个Promise对象，也就是await只对函数有返回Promise对象时才进行等待，其他情况不进行等待。

①首先安装一下puppeteer
因为安装Chromium十分的慢浪费时间，所以建议跳过该步骤
npm i --save puppeteer --ignore-scripts
②手动安装Chromium
贴上下载网址：https://www.chrome64bit.com/index.php/chromium-64-bit-for-windows
下载时候安装之后就是一个文件夹。
③安装完成之后启用Chromium，这里headless控制是否弹出浏览器，executablePath，指定Chromium的安装位置

const puppeteer = require('puppeteer');
  const browser = await puppeteer.launch({
   
   
    headless: false,
    executablePath: 'C:\\Users\\lenovo\\AppData\\Local\\Chromium\\Application\\chrome.exe',   //指定chromium浏览器位置;
  });

④启用Chromium之后，访问百度图片网址，模拟搜索关键字并查询的操作，查询的时候起初使用的，page.click(‘selector’),模拟点击，但是发现click函数总是报Error: Node is either not visible or not an HTMLElement。

  await page.click('.s_btn');

在这里插入图片描述
检查网页元素发现，按钮的display属性是none,因此获取不到

因此最后使用DOM的方法获取,利用的page.evaluate()方法。

  await page.evaluate(()=> {
   
   
    document.querySelector('.s_btn').click()
  });

⑤查询关键字之后，将网页中所有的img标签匹配，并获取图片的src地址，并交由srcToImg函数进行处理。代码如下所示。

const puppeteer = require('puppeteer');
const {
   
    mn } = require('../config/defualt');
const srcToImg = require('../helper/srcToImg');
(async () =>