今天就跟大家聊聊有關怎么在node中利用puppeteer模擬登錄抓取頁面，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

網站建設哪家好，找創新互聯！專注于網頁設計、網站建設、微信開發、小程序設計、集團企業網站建設等服務項目。為回饋新老客戶創新互聯還提供了雁塔免費建站歡迎大家使用！

一般實現熱圖顯示需要經過如下階段：
1.獲取網站頁面
2.獲取經過處理后的用戶數據
3.繪制熱圖
 本篇主要聚焦于階段1來詳細的介紹一下主流的在熱圖中獲取網站頁面的實現方式
4.使用iframe直接嵌入用戶網站
5.抓取用戶頁面保存到本地，通過iframe嵌入本地資源（所謂本地資源這里認為是分析工具這一端）

兩種方式各有各的優缺點

首先第一種直接嵌入用戶網站，這個有一定的限制條件，比如如果用戶網站為了防止iframe劫持，不允許iframe嵌套（設置meta X-FRAME-OPTIONS 為sameorgin 或者直接設置http header ，甚至直接通過js來控制if(window.top !== window.self){ window.top.location = window.location;} ），這種情況下就需要客戶網站做一部分工作才可以被分析工具的iframe加載，使用起來不一定那么方便，因為并不是所有的需要檢測分析的網站用戶都可以管理網站的。

第二種方式，直接抓取網站頁面到本地服務器，然后瀏覽的是本機服務器上抓取的頁面，這種情況下頁面已經過來了，我們就可以為所欲為了，首先我們繞過了X-FRAME-OPTIONS 為sameorgin的問題，只需要解決js控制的問題，對于抓取的頁面來說，我們可以通過特殊的對應來處理（比如移除對應的js控制，或者添加我們自己的js）；但是這種方式也有很多的不足：1、無法抓取spa頁面，無法抓取需要用戶登錄授權的頁面，無法抓取用戶設置了白明白的頁面等等。

兩種方式都存在https 和 http資源由于同源策略引起的另一個問題，https站無法加載http資源，所以如果為了最好的兼容性，熱圖分析工具需要被應用http協議，當然具體可以根據訪問的客戶網站而具體分站優化。

抓取網站頁面如何優化

這里我們針對抓取網站頁面遇到的問題基于puppeteer做一些優化，提高抓取成功的概率，主要優化以下兩種頁面：

1.spa頁面

spa頁面在當前頁算是主流了，但是它總所周知的是其對搜索引擎的不友好；通常的頁面抓取程序其實就是一個簡單的爬蟲，其過程通常都是發起一個http get 請求到用戶網站（應該是用戶網站服務器）。這種抓取方式本身就會有問題問題，首先，直接請求的是用戶服務器，用戶服務器對非瀏覽器的agent 應該會有很多限制，需要繞過處理；其次，請求返回的是原始內容，需要在瀏覽器中通過js渲染的部分無法獲?。ó斎?，在iframe嵌入后，js執行還是會再一定程度上彌補這個問題），最后如果頁面是spa頁面，那么此時獲取的只是模板，在熱圖中顯示效果非常不友好。

針對這種情況，如果基于puppeteer來做，流程就變成了

puppeteer啟動瀏覽器打開用戶網站-->頁面渲染-->返回渲染后結果，簡單的用偽代碼實現如下：

const puppeteer = require('puppeteer');

async getHtml = (url) =>{
  const browser = await puppeteer.launch();
  const page = await browser.newPage();
  await page.goto(url);
  return await page.content();
}

這樣我們拿到的內容就是渲染后的內容，無論頁面的渲染方式如何（客戶端渲染抑或服務端）

需要登錄的頁面

對于需要登錄頁面其實分為多種情況：

需要登錄才可以查看頁面，如果沒有登錄，則跳轉到login頁面（各種管理系統）

對于這種類型的頁面我們需要做的就是模擬登錄，所謂模擬登錄就是讓瀏覽器去登錄，這里需要用戶提供對應網站的用戶名和密碼，然后我們走如下的流程：

訪問用戶網站-->用戶網站檢測到未登錄跳轉到login-->puppeteer控制瀏覽器自動登錄后跳轉到真正需要抓取的頁面，可用如下偽代碼來說明：

const puppeteer = require("puppeteer");
async autoLogin =(url)=>{
   const browser = await puppeteer.launch();
   const page =await browser.newPage();
   await page.goto(url);
   await page.waitForNavigation();

   //登錄
   await page.type('#username',"用戶提供的用戶名");
   await page.type('#password','用戶提供的密碼');

   await page.click('#btn_login');

  //頁面登錄成功后，需要保證redirect 跳轉到請求的頁面
   await page.waitForNavigation();

   return await page.content();
}

登錄與否都可以查看頁面，只是登錄后看到內容會所有不同 （各種電商或者portal頁面）

這種情況處理會比較簡單一些，可以簡單的認為是如下步驟：

通過puppeteer啟動瀏覽器打開請求頁面-->點擊登錄按鈕-->輸入用戶名和密碼登錄 -->重新加載頁面

基本代碼如下圖：

const puppeteer = require("puppeteer");
async autoLoginV2 =(url)=>{
   const browser = await puppeteer.launch();
   const page =await browser.newPage();
   await page.goto(url);

   await page.click('#btn_show_login');

   //登錄
   await page.type('#username',"用戶提供的用戶名");
   await page.type('#password','用戶提供的密碼');

   await page.click('#btn_login');

  //頁面登錄成功后，是否需要reload 根據實際情況來確定
   await page.reload();

   return await page.content();
}

看完上述內容，你們對怎么在node中利用puppeteer模擬登錄抓取頁面有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注創新互聯行業資訊頻道，感謝大家的支持。

分享題目：怎么在node中利用puppeteer模擬登錄抓取頁面
瀏覽地址：http://vcdvsql.cn/article30/pejhpo.html

成都網站建設公司_創新互聯，為您提供、企業建站、網站改版、搜索引擎優化、App開發、網站導航

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯