自动爬取SF文章并推荐到掘金--Puppeteer再探

原文链接：http://zhentaoo.com/2017/10/22/Pupputeer2
看过上篇的同学，应该都会使用Puppeteer的高级爬虫功能了，附上姐妹篇链接：
爬取并生成《ES6标准入门》PDF–Puppeteer初探
除了爬虫之外，也可以使用Puppeteer完成页面上任意操作，即: 可以用来做UI自动化测试
开门见山，今天的目标是，爬取SF的热门文章，自动推荐到掘金！！！

简要提下Puppeteer的应用场景

1. 屏幕快照，打印PDF
2. 高级爬虫（有别于传统爬虫.使用Puppeteer可以拿到渲染后的效果，传统爬虫相当于只能拿到http response）
3. UI自动化测试（使用Puppeteer可以模拟用户操作）
4. 页面性能分析

废话不多说，直接上动图/视频看效果

GIF图片比较大，如果不能加载成功，也可以到微博看下录制的视频
http://weibo.com/tv/v/FiHMz7dcq?fid=1034:dcc08a8eee118263f6071fb6fafcc9a9

下面就来介绍具体流程

1. 爬取 segmentfault 前30篇热门文章

• 跳转到https://segmentfault.com/news/frontend
• 接着分析SF首页的Dom结构，爬取每篇文章的链接
• 然后取出每篇文章最重要的 href，title 等信息

• 具体代码如下：

    await page.goto('https://segmentfault.com/news/frontend')
  
    var SfFeArticleList = await page.evaluate(() => {
        var list = [...document.querySelectorAll('.news__list .news__item-title a')]
        return list.map(el => {
            return {href: el.href.trim(), title: el.innerText}
        })
    })
  
    await page.screenshot({path: './sf-juejin/sf.png', type: 'png'});

2. 登录掘金 (这里我事先注册了个测试账号,大家可以替换成自己的)

• 跳转到掘金，模拟点击登录按钮
• 接着，会弹出一个的登录dialog，模拟输入用户名密码
• 模拟点击登录，稍等….嗯…掘金应该把cookie写好了….
• 代码如下：

      await page.goto('https://juejin.im')

      var login = await page.$('.login')
      await login.click()

      var loginPhoneOrEmail = await page.$('[name=loginPhoneOrEmail]')
      await loginPhoneOrEmail.click()
      await page.type('[email protected]', {delay: 20})

      var password = await page.$('[placeholder=请输入密码]')
      await password.click()
      await page.type('123456', {delay: 20})

      var authLogin = await page.$('.panel .btn')
      await authLogin.click()

3.推荐文章（使用第一步从SF爬取的文章信息）

• 模拟点击推荐文章 按钮 “＋”
• 这时从SF拿到的文章信息就派上用场了，随机取出一篇: Math.floor(Math.random() * 30)
• 模拟填写推荐表单，点击发布
• 嗯，有时会提示该文章已被分享，那就换一篇吧，再执行一次。
• 代码如下

      var seed = Math.floor(Math.random() * 30)
      var theArtile = SfFeArticleList[seed]

      var add = await page.$('.main-nav .ion-android-add')
      await add.click()

      var shareUrl = await page.$('.entry-form-input .url-input')
      await shareUrl.click()
      await page.type(theArtile.href, {delay: 20})

      await page.press('Tab')
      await page.type(theArtile.title, {delay: 20})

      await page.press('Tab')
      await page.type(theArtile.title, {delay: 20})

      await page.evaluate(() => {
          let li = [...document.querySelectorAll('.category-list-box .category-list .item')]
          li.forEach(el => {
              if (el.innerText == '前端')
                  el.click()
          })
      })

      var submitBtn = await page.$('.submit-btn')
      await submitBtn.click()

项目Repo && 运行

1. git clone https://github.com/zhentaoo/puppeteer-deep
2. npm install (puppeteer在win下100+M、mac下70+M，请耐心等候)
3. npm test

结语

1. 为了效果展示，这里使用的headless: false模式，实际使用时可以同时开n个page，模拟操作，大家可以尝试改改，也可以给我提PR
2. 目前已经带领大家，使用Puppeteer完成爬虫 和 UI自动化测试，接下来可能会出第三篇，应该会是关于前端性能分析
3. 其实Puppeteer的应用场景远不止这些，大家也可以使用它在各自的领域大放异彩！！！
4. 希望掘金小编不会打我….