简介
Casperjs是一个基于PhantomJS和SlimerJS的前端端对端测试框架,当然你也可以使用它完成网络爬虫功能,它的特点的通过简单的脚本模拟浏览器行为,
主要有casper、tester、mouse等六大模块,其丰富的API为开发者减少了很多压力。
安装
casperjs的安装很简单,你可以通过npm或者下载casperjs包自行引用的方式安装,毫无疑问其支持Mac、windows、linux。
npm全局安装
npm install -g casperjs
Mac os推荐使用brew
$ brew update
$ brew install casperjs --devel
$ brew install casperjs
//更新casperjs
$ brew upgrade casperjs
察看版本
$ phantomjs --version
$ casperjs
使用
通过以上步骤成功安装好casperjs后,可以运行以下脚本,对casperjs进行自检,熟悉其功能
$ casperjs selftest
以一个简单的百度图片热门榜的操作为例,简单示意一下casperjs的基本用法
注意:以上代码可以因为百度图片的DOM变化而失效,读者可以自己修改一下代码中的选择器
1.首先新建两个文件index.js 和config.js
2.把以下代码复制进index.js
var config = require('config');
var casper = require('casper').create();
//输出配置
casper.echo('using config:');
casper.echo(JSON.stringify(config, null, '\t'));
//屏蔽google资源,你懂的
casper.on('resource.requested', function(requestData, request) {
if (/\/\/.*google[^\/]+/.test(requestData.url) || /cloud\.githubusercontent\.com/.test(requestData.url)) {
request.abort();
};
});
//输出console页面错误
casper.on('page.error', function(msg) {
this.echo('error message caught: ' + msg);
});
//设置浏览器超时时间和窗口大小
casper.options.waitTimeout = 10000;
casper.options.viewportSize = {
width: 1024,
height: 768
};
//生成一个数组
function Nums(len) {
var nums = [];
for (var i = 0; i < len; i++) {
nums.push(i);
}
return nums;
}
//记录时间日期
var date = new Date();
var casperDate = date.toLocaleString().split(' ')[0];
//定义nums数组作为遍历长度,suglineVal是热门榜值,suglineLength是热门榜长度
var nums,suglineVal, suglineLength;
var date =new Date();
//开始casper,输出当前日期,并通过config文件读取url
casper.echo(casperDate+'百度图片热门搜索图片抓取');
casper.start(config.baseURL, function() {
//获取热门榜长度
suglineLength = this.evaluate(function() {
var csuglineLength = $('.sugline').length;
return csuglineLength;
});
//生成遍历数组
nums = Nums(suglineLength);
//casper的each函数对每一条热门搜索执行相同结果
this.each(nums, function(self, num) {
//then函数控制执行流程,获取热门榜的热门搜索值,并赋予百度搜索框进行搜索
self.then(function() {
suglineVal = this.evaluate(function(num) {
//获取热门搜索值,选择器随时可能会改变,请参考运行时百度图片首页的DOM树
var cSuglineVal = $('.sugline')[num].children[1].innerText;
//__utils__功能等同与jquery,方便在没有引入jquery或者类似DOM查询工具时使用。
__utils__.setFieldValue("input[id='kw']", cSuglineVal);
$('.s_btn')[0].click();
return cSuglineVal;
}, num);
});
//waitUntilVisible等待一个选择器出现,等到imglist加载完成后进入
self.waitUntilVisible('.imglist', function() {
//capture函数对当前页面进行截图并保存在capture/images/...
this.capture('capture/images/'+casperDate+'/'+casperDate+'-' + suglineVal + '.png');
//在控制台输出热门图片
this.echo(suglineVal);
});
});
});
//运行casper脚本start
casper.run();
3.把以下代码复制进config.js
'use strict'
//casper读取系统信息的模块
var system = require('system');
//读取环境变量
var env = system.env.TEST_ENV || 'test'
var config = {};
//其实上面没什么用,主要配置看这里
config.test = {
baseURL: 'http://image.baidu.com/',
imageURL: 'capture/',
}
module.exports = config[env]
4.在控制台中执行,如果出现casperjs不是内部命令,请确保全局安装casperjs,确保环境变量正确。
casperjs index.js
结果
1.控制台输出如下
2.查看images文件夹成功截取图片
分析
通过使用casperjs,我们只写了不到100行代码就成功抓取了百度8月14日的热门图片,看到了每天发生的大新闻。在这个小demo中,我们使用了casperjs的最主要的casper模块进行网页抓取流程控制、clientutils模块简化DOM查询,其还有我们没有用到的mouse模块,控制输出颜色的colorizer模块,专门用于测试的tester模块,和一些常用处理函数集成的utils模块,相信大家在自己学习了官网的API后,能够创造出更有意思的东西,这个小demo虽然说可能抓取速度不是很快,但是还是基本完成了我们的需求,如果有任何问题和建议都可以留言给我。