快捷導(dǎo)航

PHP使用puppeteer抓取JS渲染后的頁面內(nèi)容

更新時(shí)間：2025年02月02日 15:32:17 作者：SoCai

最近遇到一個(gè)問題,需要爬取js渲染后的網(wǎng)頁內(nèi)容,因此研究了下相關(guān)實(shí)現(xiàn)方式,主要借助puppeteer實(shí)現(xiàn),它是一個(gè)Node庫,要想在PHP中使用,還借助了spatie/browsershot

環(huán)境依賴

環(huán)境	要求
Node	>=7.6.0
PHP	>=7.1
PHP extension	php_sockets, php_exif

puppeteer

Puppeteer是一個(gè)Node庫，我是直接在php項(xiàng)目下使用npm安裝這個(gè)庫，然后借助spatie/browsershot來調(diào)用它。讀者也可以新建一個(gè)node項(xiàng)目安裝這個(gè)庫，然后對外暴漏一個(gè)端口通過接口的方式傳遞url返回html內(nèi)容的方式實(shí)現(xiàn)。

npm i puppeteer --save

離線安裝Chromium

安裝puppeteer時(shí)會下載Chromium，因?yàn)楸娝苤脑蚩赡軙螺d不下來，因此下面提供了離線下載的方式。

跳過安裝chromium

如果已經(jīng)運(yùn)行上一步的命令并且正在下載Chromium了，那可以直接Ctrl+C停止任務(wù)。如果還沒運(yùn)行，就使用下面的命令安裝。

npm i puppeteer --ignore-scripts

獲取需要下載的chromium版本號

打開/node_modules/puppeteer/package.json搜索chromium_revision對應(yīng)的版本號

"puppeteer": {
    "chromium_revision": "756035",
    "firefox_revision": "latest"
}

下載對應(yīng)版本的chromium

用上面的版本號替換掉下方花括號里的字符，比如我本地是win x64，下載地址就是https://commondatastorage.googleapis.com/chromium-browser-snapshots/Win_x64/756035/chrome-win.zip

mac版下載地址:
https://commondatastorage.googleapis.com/chromium-browser-snapshots/Mac/{chromium版本}/chrome-mac.zip

windows 64位版本下載地址:
https://commondatastorage.googleapis.com/chromium-browser-snapshots/Win_x64/{chromium版本}/chrome-win.zip

windows 32位版本下載地址:
https://commondatastorage.googleapis.com/chromium-browser-snapshots/Win/{chromium版本}/chrome-win.zip

Linux X86版本下載地址:
https://commondatastorage.googleapis.com/chromium-browser-snapshots/Linux/{chromium版本}/chrome-linux.zip

Linux X64版本下載地址:
https://commondatastorage.googleapis.com/chromium-browser-snapshots/Linux_x64/{chromium版本}/chrome-linux.zip

解壓

將下載下來的chromium安裝包解壓到puppeteer中的.local_chromium/win64-{chromium版本號}/目錄下。以我的為例就是/node_modules/puppeteer/.local_chromium/win64-756035/chrome-win/。搞定~

spatie/browsershot

browsershot 是一個(gè)composer包，以前還用過的spatie/laravel-permission，都是同一團(tuán)隊(duì)制作的

composer require spatie/browsershot

使用

其實(shí)困難的部分就是找到合適的工具以及安裝工具，真正使用反而很簡單。下面列了一個(gè)很簡單的例子，更多方法還是去看官方文檔吧。

<?php
use Spatie\Browsershot\Browsershot;
class Spider
{
    /**
     * 獲取html內(nèi)容
     * @param $url
     * @return string
     */
    public static function getBodyHtml($url)
    {
        return Browsershot::url($url)->bodyHtml();
    }
}