2023年6月29日发(作者：)

Puppeteer的使⽤（Java版本）前⾔：puppeteer和selenium的功能很相似，都是加载浏览器驱动去模拟浏览器⾏为但功能⽐selenium要强⼤的多。其他描述：Puppeteer 是⼀个控制 headless Chrome 的 API 。它是⼀个 库，通过 DevTools 协议提供了⼀个⾼级的API 来控制 headless Chrome。这⾥可能有童靴有疑问了，这是 的API，我不会怎么办？放⼼，已有⼤佬将其做了Java的封装。由于⾃⼰平时开发框架使⽤的是webmagic，所以就简单封装了个jvppeteer的downloader，可能封装的细节不是很完善，见笑了。代码调⽤： //配置监听器，⽤于监听采集成功和失败的情况 List spiderListenerList = new ArrayList<>(1); (supervisionSpiderListener); //下载器，配置代理 ChromiumOptions options = new ChromiumOptions(); Headless(true); PuppeteerDownloader puppeteerDownloader = new PuppeteerDownloader(spiderListenerList,options); xyProvider(new KuaiDaiLiProxyProvider()); omiumAction(xxAction); :@Componentpublic class XXAction extends AbstractChromiumAction { private final static Logger logger = ger(); @Override protected Page doAction(Browser browser, Request request, Page page, Site site){ //浏览器操作 (1500L); return page; }}puppeteer调⽤浏览器有2种⽅式：⼀种是调⽤本地浏览器，⼀种是调⽤docker的⼀个headless镜像，区别在于docker的是已经提前开好了tab页⾯，只⽀持多开page，不⽀持多开browser。本地浏览器也存在⼀个问题：当页⾯奔溃时，会产⽣残留的chromium进程，还有⼀些奔溃⽇志，需要进⾏清理。由于我使⽤的服务器是window，这⾥给出window杀进程的命令：taskkill -f -im 清除⽇志⽂件：⼀般是在 AppDataLocalTemp ⽬录下，名称为puppetter_xxxxx_chrome_profile的⽂件夹。

有其他疑问可联系本⼈。 Puppeteer相关资料：前端神器puppeteer⼊门及实践：爬⾍利器 Puppeteer 的⼀些最佳实践：如何避免Puppeteer被前端JS检测/识别：结合项⽬来谈谈 Puppeteer：