> 웹 프론트엔드 > JS 튜토리얼 > 손쉬운 웹 스크래핑: Puppeteer를 사용하여 모든 HTML 페이지 구문 분석

손쉬운 웹 스크래핑: Puppeteer를 사용하여 모든 HTML 페이지 구문 분석

WBOY
풀어 주다: 2024-09-05 22:34:41
원래의
1025명이 탐색했습니다.

Web Scraping Made Easy: Parse Any HTML Page with Puppeteer

eBay, Amazon, Flipkart와 같은 주요 매장에서 실시간으로 제품 데이터를 쉽게 가져올 수 있는 전자상거래 플랫폼을 구축한다고 상상해 보세요. 물론, Shopify 및 유사한 서비스가 있지만 솔직하게 말하면 프로젝트에 대해서만 구독을 구매하는 것이 약간 번거로울 수 있습니다. 그래서 저는 이러한 사이트를 긁어내고 제품을 우리 데이터베이스에 직접 저장해 보는 것은 어떨까요? 이는 전자상거래 프로젝트에 필요한 제품을 얻는 효율적이고 비용 효율적인 방법이 될 것입니다.

웹 스크래핑이란 무엇입니까?

웹 스크래핑에는 웹페이지의 HTML을 구문 분석하여 웹사이트에서 데이터를 추출하여 콘텐츠를 읽고 수집하는 작업이 포함됩니다. 여기에는 브라우저를 자동화하거나 사이트에 HTTP 요청을 보낸 다음 HTML 구조를 분석하여 텍스트, 링크 또는 이미지와 같은 특정 정보를 검색하는 작업이 포함되는 경우가 많습니다. Puppeteer는 웹사이트를 스크랩하는 데 사용되는 라이브러리 중 하나입니다.

?퍼핏티어란 무엇인가요?

Puppeteer는 Node.js 라이브러리입니다. 헤드리스 Chrome 또는 Chromium 브라우저를 제어하기 위한 고급 API를 제공합니다. 헤드리스 Chrome은 UI 없이 모든 것을 실행하는 Chrome 버전입니다(백그라운드에서 실행하기에 적합).

Puppeteer를 사용하여 다음과 같은 다양한 작업을 자동화할 수 있습니다.

  • 웹 스크래핑: 웹사이트에서 콘텐츠를 추출하려면 페이지의 HTML 및 JavaScript와 상호작용해야 합니다. 일반적으로 CSS 선택기를 타겟팅하여 콘텐츠를 검색합니다.
  • PDF 생성: 프로그래밍 방식으로 웹 페이지를 PDF로 변환하는 것은 스크린샷을 찍은 다음 스크린샷을 PDF로 변환하는 대신 웹 페이지에서 PDF를 직접 생성하려는 경우에 이상적입니다. (추신: 이미 이에 대한 해결 방법이 있다면 사과드립니다.)
  • 자동화된 테스트: 버튼 클릭, 양식 작성, 스크린샷 찍기와 같은 사용자 작업을 시뮬레이션하여 웹페이지에서 테스트를 실행합니다. 이렇게 하면 모든 것이 제자리에 있는지 확인하기 위해 긴 양식을 수동으로 작성해야 하는 지루한 프로세스가 필요하지 않습니다.

?인형극을 시작하는 방법은 무엇입니까?

먼저 라이브러리를 설치해야 합니다. 계속해서 이 작업을 수행하세요.
npm 사용:

npm i puppeteer # Downloads compatible Chrome during installation.
npm i puppeteer-core # Alternatively, install as a library, without downloading Chrome.
로그인 후 복사

실 사용:

yarn add puppeteer // Downloads compatible Chrome during installation.
yarn add puppeteer-core // Alternatively, install as a library, without downloading Chrome.
로그인 후 복사

pnpm 사용:

pnpm add puppeteer # Downloads compatible Chrome during installation.
pnpm add puppeteer-core # Alternatively, install as a library, without downloading Chrome.
로그인 후 복사

? 인형극의 사용을 보여주는 예

다음은 웹사이트를 스크래핑하는 방법의 예입니다. (추신: 저는 이 코드를 사용하여 전자상거래 프로젝트를 위해 Myntra 웹사이트에서 제품을 검색했습니다.)

const puppeteer = require("puppeteer");
const CategorySchema = require("./models/Category");

// Define the scrape function as a named async function
const scrape = async () => {
    // Launch a new browser instance
    const browser = await puppeteer.launch({ headless: false });

    // Open a new page
    const page = await browser.newPage();

    // Navigate to the target URL and wait until the DOM is fully loaded
    await page.goto('https://www.myntra.com/mens-sport-wear?rawQuery=mens%20sport%20wear', { waitUntil: 'domcontentloaded' });

    // Wait for additional time to ensure all content is loaded
    await new Promise((resolve) => setTimeout(resolve, 25000));

    // Extract product details from the page
    const items = await page.evaluate(() => {
        // Select all product elements
        const elements = document.querySelectorAll('.product-base');
        const elementsArray = Array.from(elements);

        // Map each element to an object with the desired properties
        const results = elementsArray.map((element) => {
            const image = element.querySelector(".product-imageSliderContainer img")?.getAttribute("src");
            return {
                image: image ?? null,
                brand: element.querySelector(".product-brand")?.textContent,
                title: element.querySelector(".product-product")?.textContent,
                discountPrice: element.querySelector(".product-price .product-discountedPrice")?.textContent,
                actualPrice: element.querySelector(".product-price .product-strike")?.textContent,
                discountPercentage: element.querySelector(".product-price .product-discountPercentage")?.textContent?.split(' ')[0]?.slice(1, -1),
                total: 20, // Placeholder value, adjust as needed
                available: 10, // Placeholder value, adjust as needed
                ratings: Math.round((Math.random() * 5) * 10) / 10 // Random rating for demonstration
            };
        });

        return results; // Return the list of product details
    });

    // Close the browser
    await browser.close();

    // Prepare the data for saving
    const data = {
        category: "mens-sport-wear",
        subcategory: "Mens",
        list: items
    };

    // Create a new Category document and save it to the database
    // Since we want to store product information in our e-commerce store, we use a schema and save it to the database.
    // If you don't need to save the data, you can omit this step.
    const category = new CategorySchema(data);
    console.log(category);
    await category.save();

    // Return the scraped items
    return items;
};

// Export the scrape function as the default export
module.exports = scrape;

로그인 후 복사

?설명:

  • 이 코드에서는 Puppeteer를 사용하여 웹사이트에서 제품 데이터를 스크랩합니다. 세부 정보를 추출한 후 스키마(CategorySchema)를 생성하여 이 데이터를 데이터베이스에 구성하고 저장합니다. 이 단계는 스크랩한 제품을 전자상거래 상점에 통합하려는 경우 특히 유용합니다. 데이터베이스에 데이터를 저장할 필요가 없다면 스키마 관련 코드를 생략해도 됩니다.
  • 스크래핑하기 전에 페이지의 HTML 구조를 이해하고 어떤 CSS 선택기에 추출하려는 콘텐츠가 포함되어 있는지 식별하는 것이 중요합니다.
  • 저의 경우 Myntra 웹사이트에서 확인된 관련 CSS 선택기를 사용하여 제가 타겟팅한 콘텐츠를 추출했습니다.

위 내용은 손쉬운 웹 스크래핑: Puppeteer를 사용하여 모든 HTML 페이지 구문 분석의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

원천:dev.to
본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.
인기 튜토리얼
더>
최신 다운로드
더>
웹 효과
웹사이트 소스 코드
웹사이트 자료
프론트엔드 템플릿