Laravel中如何使用puppeteer采集異步加載的網(wǎng)頁內(nèi)容

小編給大家分享一下Laravel中如何使用puppeteer采集異步加載的網(wǎng)頁內(nèi)容，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

采集網(wǎng)頁內(nèi)容是一項很常見的需求，比較傳統(tǒng)的靜態(tài)頁面，curl 就能搞定。但如果頁面中有動態(tài)加載的內(nèi)容，比如有些頁面里通過 ajax 加載的文章正文內(nèi)容，又如果有些頁面加載完成后進行了一些額外處理（圖片地址替換等等……）而你想采集這些處理過后的內(nèi)容。那么牛逼閃閃的 curl 也束手無策了。

做過類似需求的人可能會說，老鐵，上 PhantomJS ??！

沒錯，這是一個辦法，而且在相當長的時間里 PhantomJS 是為數(shù)不多的能解決這類需求的工具里的佼佼者。

但今天這里要介紹的是一個后來居上的工具 -- puppeteer，它是隨著 Chrome Headless 技術(shù)興起而快速發(fā)展起來的。而且非常關(guān)鍵的是，puppeteer 由 Chrome 的官方團隊開發(fā)和維護，可以說相當靠譜了！

puppeteer 是一個 js 包，要想在 Laravel 中使用，得借助于另一神器spatie/browsershot。

安裝

安裝 spatie/browsershot

browsershot 是一個 composer 包，出自于大神團隊 spatie

$ composer require spatie/browsershot

安裝 puppeteer

$ npm i puppeteer --save

也可以全局安全 puppeteer 但就個人經(jīng)驗而言，在項目中安裝是比較推薦的做法，因為這樣不同項目不會同時受全局安裝的 puppeteer 影響，此外項目中安裝也方便使用 phpdeployer 進行升級（phpdeploy 升級時不會影響線上項目運行，要知道升級/安裝 puppeteer 可是很費時的，有時候還不能保證一次成功）。

安裝 puppeteer 時會下載 Chromium-Browser，鑒于咱特殊國情，很有可能出現(xiàn)無法下載的情況，對此，就請大家各顯神通吧……

使用

以采集今日頭條手機版頁面文章內(nèi)容為例。

use Spatie\Browsershot\Browsershot;
public function getBodyHtml()
{
    $newsUrl = 'https://m.toutiao.com/i6546884151050502660/';
    
    $html = Browsershot::url($newsUrl)
        ->windowSize(480, 800)
        ->userAgent('Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Mobile Safari/537.36')
        ->mobile()
        ->touch()
        ->bodyHtml();
    \Log::info($html);
}

運行后可以在日志中看到如下內(nèi)容（截圖中只是其中部分）

此外，也可以將頁面保存為圖片或 PDF 文件。

use Spatie\Browsershot\Browsershot;
public function getBodyHtml()
{
    $newsUrl = 'https://m.toutiao.com/i6546884151050502660/';
    
    Browsershot::url($newsUrl)
        ->windowSize(480, 800)
        ->userAgent('Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Mobile Safari/537.36')
        ->mobile()
        ->touch()
        ->setDelay(1000)
        ->save(public_path('images/toutiao.jpg'));
}

圖片里那些框與系統(tǒng)字體有關(guān)。代碼中使用了一個 setDelay() 方法，是為了讓內(nèi)容加載完成后再進行截圖，簡單粗暴，可能不是最好的解決辦法。

可能出現(xiàn)的問題

系統(tǒng)得支持 Chromium 瀏覽器，當然現(xiàn)在絕大部分瀏覽器是支持的，要不然也沒法，還是用 PhantomJS 吧。

項目中安裝了 puppeteer 后調(diào)用時有可能出現(xiàn)權(quán)限問題，這就需要對項目下 /node_modules/puppeteer 目錄賦予適當?shù)臋?quán)限。

以上是“Laravel中如何使用puppeteer采集異步加載的網(wǎng)頁內(nèi)容”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學習更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！