用 puppeteer 获取 jd 商品评论

jd 的评论是 js 渲染的，几年前尝试爬过，如今用 puppeteer 一试，清爽多了。 puppeteer 是 Headless Chrome Node API，官方仓库：github.com/GoogleChrom…

因为很简单，直接看代码注释

const puppeteer = require('puppeteer');
const autoScroll = require('./autoScroll');
const url = 'https://item.jd.com/4311178.html';

async function crawler() {
    // 新开一个浏览器，headless false 方即可视化代码的操做
    let browser = await puppeteer.launch({
        headless: false
    });

    // 开一个 tab 页
    let page = await browser.newPage();
    // 加载 url 页面
    await page.goto(url, {
        waitUntil: 'networkidle2'
    });

    // 等一等
    await page.waitFor(500);

    // 点开评论 tab
    await page.click('li[data-anchor="#comment"]');

    // 滚一滚，让评论加载加载，这个方法内容继续往下看
    // 不滚也能够，单纯想展现一下 page.evaluate()
    await autoScroll(page);

    // 获取评论，多数状况直接操做 dom 就能够了
    // $eval 对应 document.querySelector，?eval 对应 document.querySelectorAll，够用了
    let comments = await page.?eval('.comment-item .comment-con', els => {
        return els.map(item => item.innerText);
    });

    // 输出一下评论，宣告抓到了
    comments.forEach((item, index) => {
        console.log(`comment ${index} =======================`);
        console.log(item);
    });
    // 关闭浏览器
    await browser.close();
}

crawler();
复制代码

autoScroll 代码

async function autoScroll(page){
    //  page.evaluate 能获取上下文，至关于在当前页面执行 js，想干啥就干啥
    await page.evaluate(() => {
        // 返回 promise，evaluate 会等 promise resolve
        return new Promise((resolve, reject) => {
            let totalHeight = 0;
            let distance = 200;
            let timer = setInterval(() => {
                let scrollHeight = document.body.scrollHeight;
                window.scrollBy(0, distance);
                totalHeight += distance;
                if(totalHeight >= scrollHeight){
                    clearInterval(timer);
                    resolve();
                }
            }, 500);
        });
    });
}

module.exports = autoScroll;复制代码