jaeger / querylist-puppeteer
QueryList Plugin: Use Puppeteer to crawl Javascript dynamically rendered pages.(Headless Chrome ) 使用Puppeteer采集JavaScript动态渲染的页面
Installs: 66 955
Dependents: 0
Suggesters: 0
Security: 0
Stars: 21
Watchers: 4
Forks: 8
Open Issues: 6
Requires
- php: >=7.1
- nesk/puphpeteer: ^1.4
Requires (Dev)
- jaeger/querylist: dev-master
This package is auto-updated.
Last update: 2024-10-16 03:30:12 UTC
README
QueryList插件: 使用Puppeteer采集JavaScript动态渲染的页面。使用此插件需要有一定的Node.js基础知识,并且会配置Node运行环境。
此插件是基于PuPHPeteer
包的简单封装,支持使用Puppeteer所有的API,非常强大!
PuPHPeteer: https://github.com/nesk/puphpeteer
Puppeteer: https://github.com/GoogleChrome/puppeteer
QueryList: https://github.com/jae-jae/QueryList
环境要求
- PHP >= 7.1
- Node >= 8
安装
安装插件
composer require jaeger/querylist-puppeteer
安装Node依赖(与composer一样在项目根目录下执行)
npm install @nesk/puphpeteer
插件注册选项
QueryList::use(Chrome::class,$opt1)
- $opt1: 设置
chrome
函数别名
API
- chrome($url, $options = []) 使用Chrome打开链接,返回值为设置好HTML的QueryList对象
用法
在QueryList中注册插件
use QL\QueryList; use QL\Ext\Chrome; $ql = QueryList::getInstance(); // 注册插件,默认注册的方法名为: chrome $ql->use(Chrome::class); // 或者自定义注册的方法名 $ql->use(Chrome::class,'chrome');
基本用法
// 抓取的目标页面是使用Vue.js动态渲染的页面 $text = $ql->chrome('https://www.iviewui.com/components/button')->find('h1')->text(); print_r($text); // 输出: Button 按钮
$rules = [ 'h1' => ['h1','text'] ]; $ql = $ql->chrome('https://www.iviewui.com/components/button'); $data = $ql->rules($rules)->queryData();
设置Puppeteer launch选项,选项文档:https://github.com/GoogleChrome/puppeteer/blob/v1.11.0/docs/api.md#puppeteerlaunchoptions
$text = $ql->chrome('https://www.iviewui.com/components/button',[ 'timeout' => 6000, 'ignoreHTTPSErrors' => true, // ... ])->find('h1')->text();
更高级的用法,查看Puppeteer文档了解全部API: https://github.com/GoogleChrome/puppeteer
$text = $ql->chrome(function ($page,$browser) { $page->setUserAgent('Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'); // 设置cookie $page->setCookie([ 'name' => 'foo', 'value' => 'xxx', 'url' => 'https://www.iviewui.com' ],[ 'name' => 'foo2', 'value' => 'yyy', 'url' => 'https://www.iviewui.com' ]); $page->goto('https://www.iviewui.com/components/button'); // 等待h1元素出现 $page->waitFor('h1'); // 获取页面HTML内容 $html = $page->content(); // 关闭浏览器 $browser->close(); // 返回值一定要是页面的HTML内容 return $html; })->find('h1')->text();
调试
调试有很多种方法,下面演示通过页面截图和启动可视化Chrome浏览器来了解页面加载情况
页面截图
运行下面代码后可以在项目根目录下看到page.png
截图文件。
$text = $ql->chrome(function ($page,$browser) { $page->goto('https://www.iviewui.com/components/button'); // 页面截图 $page->screenshot([ 'path' => 'page.png', 'fullPage' => true ]); $html = $page->content(); $browser->close(); return $html; })->find('h1')->text();
启动可视化Chrome浏览器
运行下面代码后会启动一个Chrome浏览器。
$text = $ql->chrome(function ($page,$browser) { $page->goto('https://www.iviewui.com/components/button'); $html = $page->content(); // 这里故意设置一个很长的延长时间,让你可以看到chrome浏览器的启动 sleep(10000000); $browser->close(); // 返回值一定要是页面的HTML内容 return $html; },[ 'headless' => false, // 启动可视化Chrome浏览器,方便调试 'devtools' => true, // 打开浏览器的开发者工具 ])->find('h1')->text();