使用 Puppeteer 和 headless DOM 获取节点文本 Chrome

Question

我正在尝试使用无头 Chrome 和 Puppeteer 来运行我们的 Javascript 测试，但我无法从页面中提取结果。基于 , it looks like I should use page.evaluate()。该部分甚至有一个看起来像我需要的示例。

const bodyHandle = await page.$('body');
const html = await page.evaluate(body => body.innerHTML, bodyHandle);
await bodyHandle.dispose();

作为一个完整的示例，我尝试将其转换为一个脚本，该脚本将从我在 Stack Overflow 上的用户个人资料中提取我的名字。我们的项目使用的是 Node 6，所以我将 await 表达式转换为使用 .then().

const puppeteer = require('puppeteer');

puppeteer.launch().then(function(browser) {
    browser.newPage().then(function(page) {
        page.goto('https://whosebug.com/users/4794').then(function() {
            page.$('h2.user-card-name').then(function(heading_handle) {
                page.evaluate(function(heading) {
                    return heading.innerText;
                }, heading_handle).then(function(result) {
                    console.info(result);
                    browser.close();
                }, function(error) {
                    console.error(error);
                    browser.close();
                });
            });
        });
    });
});

当我运行那个时，我得到这个错误：

$ node get_user.js 
TypeError: Converting circular structure to JSON
    at Object.stringify (native)
    at args.map.x (/mnt/data/don/git/Kive/node_modules/puppeteer/node6/helper.js:30:43)
    at Array.map (native)
    at Function.evaluationString (/mnt/data/don/git/Kive/node_modules/puppeteer/node6/helper.js:30:29)
    at Frame.<anonymous> (/mnt/data/don/git/Kive/node_modules/puppeteer/node6/FrameManager.js:376:31)
    at next (native)
    at step (/mnt/data/don/git/Kive/node_modules/puppeteer/node6/FrameManager.js:355:24)
    at Promise (/mnt/data/don/git/Kive/node_modules/puppeteer/node6/FrameManager.js:373:12)
    at fn (/mnt/data/don/git/Kive/node_modules/puppeteer/node6/FrameManager.js:351:10)
    at Frame._rawEvaluate (/mnt/data/don/git/Kive/node_modules/puppeteer/node6/FrameManager.js:375:3)

问题似乎在于将输入参数序列化为 page.evaluate()。我可以传入字符串和数字，但不能传入元素句柄。这个例子是错误的，还是节点 6 有问题？如何提取 DOM 节点的文本？

Answer 1

我找到了解决这个问题的三种方法，具体取决于提取的复杂程度。最简单的选项是我没有注意到的相关函数：page.$eval()。它基本上做了我想做的事情：结合 page.$() 和 page.evaluate()。这是一个有效的例子：

const puppeteer = require('puppeteer');

puppeteer.launch().then(function(browser) {
    browser.newPage().then(function(page) {
        page.goto('https://whosebug.com/users/4794').then(function() {
            page.$eval('h2.user-card-name', function(heading) {
                return heading.innerText;
            }).then(function(result) {
                console.info(result);
                browser.close();
            });
        });
    });
});

这给了我预期的结果：

$ node get_user.js 
Don Kirkby top 2% overall

本想提炼出更复杂的东西，但最终发现评估函数是运行在页面的上下文中。这意味着您可以使用页面中加载的任何工具，然后来回发送字符串和数字。在这个例子中，我在字符串中使用 jQuery 来提取我想要的内容：

const puppeteer = require('puppeteer');

puppeteer.launch().then(function(browser) {
    browser.newPage().then(function(page) {
        page.goto('https://whosebug.com/users/4794').then(function() {
            page.evaluate("$('h2.user-card-name').text()").then(function(result) {
                console.info(result);
                browser.close();
            });
        });
    });
});

这给了我完整的空白结果：

$ node get_user.js 

                            Don Kirkby

                                top 2% overall

在我的真实脚本中，我想提取几个节点的文本，所以我需要一个函数而不是一个简单的字符串：

const puppeteer = require('puppeteer');

puppeteer.launch().then(function(browser) {
    browser.newPage().then(function(page) {
        page.goto('https://whosebug.com/users/4794').then(function() {
            page.evaluate(function() {
                return $('h2.user-card-name').text();
            }).then(function(result) {
                console.info(result);
                browser.close();
            });
        });
    });
});

这给出了完全相同的结果。现在我需要添加错误处理，并可能减少缩进级别。

Answer 2

使用 await/async and $eval，语法如下所示：

await page.goto('https://whosebug.com/users/4794')
const nameElement = await context.page.$eval('h2.user-card-name', el => el.text())
console.log(nameElement)

Answer 3

我使用以下方法取得了成功：

const browser = await puppeteer.launch();
try {
  const page = await browser.newPage();
  await page.goto(url);
  await page.waitFor(2000);
  let html_content = await page.evaluate(el => el.innerHTML, await page.$('.element-class-name'));
  console.log(html_content);
} catch (err) {
  console.log(err);
}

希望对您有所帮助。

Answer 4

我使用 page.$eval

const text = await page.$eval('h2.user-card-name', el => el.innerText );
console.log(text);

使用 Puppeteer 和 headless DOM 获取节点文本 Chrome

Getting DOM node text with Puppeteer and headless Chrome

node.js

google-chrome-headless

puppeteer