采集網(wǎng)頁內(nèi)容是一項(xiàng)很常見的需求，比較傳統(tǒng)的靜態(tài)頁面，curl 就能搞定。但如果頁面中有動態(tài)加載的內(nèi)容，比如有些頁面里通過 ajax 加載的文章正文內(nèi)容，又如果有些頁面加載完成后進(jìn)行了一些額外處理（圖片地址替換等等……）而你想采集這些處理過后的內(nèi)容。那么牛逼閃閃的 curl 也束手無策了。

做過類似需求的人可能會說，老鐵，上 PhantomJS ??！

沒錯(cuò)，這是一個(gè)辦法，而且在相當(dāng)長的時(shí)間里 PhantomJS 是為數(shù)不多的能解決這類需求的工具里的佼佼者。

但今天這里要介紹的是一個(gè)后來居上的工具 — puppeteer，它是隨著 Chrome Headless 技術(shù)興起而快速發(fā)展起來的。而且非常關(guān)鍵的是，puppeteer 由 Chrome 的官方團(tuán)隊(duì)開發(fā)和維護(hù)，可以說相當(dāng)靠譜了！

puppeteer 是一個(gè) js 包，要想在 Laravel 中使用，得借助于另一神器spatie/browsershot。

安裝

安裝 spatie/browsershot

browsershot 是一個(gè) composer 包，出自于大神團(tuán)隊(duì) spatie

$ composer require spatie/browsershot

安裝 puppeteer

$ npm i puppeteer --save

也可以全局安全 puppeteer 但就個(gè)人經(jīng)驗(yàn)而言，在項(xiàng)目中安裝是比較推薦的做法，因?yàn)檫@樣不同項(xiàng)目不會同時(shí)受全局安裝的 puppeteer 影響，此外項(xiàng)目中安裝也方便使用 phpdeployer 進(jìn)行升級（phpdeploy 升級時(shí)不會影響線上項(xiàng)目運(yùn)行，要知道升級/安裝 puppeteer 可是很費(fèi)時(shí)的，有時(shí)候還不能保證一次成功）。

安裝 puppeteer 時(shí)會下載 Chromium-Browser，鑒于咱特殊國情，很有可能出現(xiàn)無法下載的情況，對此，就請大家各顯神通吧……

使用

以采集今日頭條手機(jī)版頁面文章內(nèi)容為例。

use SpatieBrowsershotBrowsershot; public function getBodyHtml() {     $newsUrl = 'https://m.toutiao.com/i6546884151050502660/';          $html = Browsershot::url($newsUrl)         ->windowSize(480, 800)         ->userAgent('Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Mobile Safari/537.36')         ->mobile()         ->touch()         ->bodyHtml();     Log::info($html); }

運(yùn)行后可以在日志中看到如下內(nèi)容（截圖中只是其中部分）

此外，也可以將頁面保存為圖片或 PDF 文件。

use SpatieBrowsershotBrowsershot; public function getBodyHtml() {     $newsUrl = 'https://m.toutiao.com/i6546884151050502660/';          Browsershot::url($newsUrl)         ->windowSize(480, 800)         ->userAgent('Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Mobile Safari/537.36')         ->mobile()         ->touch()         ->setDelay(1000)         ->save(public_path('images/toutiao.jpg')); }

圖片里那些框與系統(tǒng)字體有關(guān)。代碼中使用了一個(gè) setDelay() 方法，是為了讓內(nèi)容加載完成后再進(jìn)行截圖，簡單粗暴，可能不是最好的解決辦法。

可能出現(xiàn)的問題

系統(tǒng)得支持 Chromium 瀏覽器，當(dāng)然現(xiàn)在絕大部分瀏覽器是支持的，要不然也沒法，還是用 PhantomJS 吧。

項(xiàng)目中安裝了 puppeteer 后調(diào)用時(shí)有可能出現(xiàn)權(quán)限問題，這就需要對項(xiàng)目下 /node_modules/puppeteer 目錄賦予適當(dāng)?shù)臋?quán)限。

總結(jié)

puppeteer 被應(yīng)用于測試、采集等場景，是一個(gè)非常有力的工具。對于輕度的采集任務(wù)，是夠用的，比如本文這類在 Laravel (php) 里來用采集一些小頁面，但如果需要快速采集大量內(nèi)容，還是 Python 啥的吧