PhantomJS快速入门

jopen 9年前

本文简要介绍了PhantomJS的相关基础知识点,主要包括PhantomJS的介绍、下载与安装、HelloWorld程序、核心模块介绍等。由于鄙人才疏学浅,难免有疏漏之处,欢迎指正交流。

1、PhantomJS是什么?


PhantomJS是一个基于webkit的JavaScript API。它使用QtWebKit作为它核心浏览器的功能,使用webkit来编译解释执行JavaScript代码。任何你可以在基于webkit浏览器 做的事情,它都能做到。它不仅是个隐形的浏览器,提供了诸如CSS选择器、支持Web标准、DOM操作、JSON、HTML5、Canvas、SVG等, 同时也提供了处理文件I/O的操作,从而使你可以向操作系统读写文件等。PhantomJS的用处可谓非常广泛,诸如网络监测、网页截屏、无需浏览器的 Web 测试、页面访问自动化等。

PhantomJS官方地址:http://phantomjs.org/。

PhantomJS官方API:http://phantomjs.org/api/。

PhantomJS官方示例:http://phantomjs.org/examples/。

PhantomJS GitHub:https://github.com/ariya/phantomjs/。

2、PhantomJS下载与安装


官方下载地址:http://phantomjs.org/download.html。目前官方支持三种操作系统,包括windows\Mac OS\Linux这三大主流的环境。你可以根据你的运行环境选择要下载的包,我的运行环境是Windows7。

下载完成后解压文件,建议为方便使用,单独放在一个文件夹里,如我放在D:\workspace\phantomjs里。

到这里,你已经成功下载安装好PhantomJS了。那么,打开D:\workspace\phantomjs\bin文件夹,双击运行phantomjs.exe,出现如下界面,那么你就可以运行JS代码了。

 PhantomJS快速入门

由于我们都比较懒,不喜欢为了运行一个程序总是跑到D:\workspace\phantomjs\bin文件夹打开 phantomjs.exe。那么,你可以将phantomjs.exe添加到环境变量里。具体如下:打开我的电脑->右键属性->高级系统 设置->高级标签->环境变量,在系统变量里找到Path,将你的phantomjs添加到环境变量里。比方说我的路径添加的为 “;D:\workspace\phantomjs\bin”,切记不要少了前面那个分号。

3、第一个PhantomJS小程序HelloWorld


 

好了,到目前为止,可以开始我们的第一个PhantomJS程序了。打开你的工作目录,新建文件hello.js,敲入以下代码,Ctrl+S保存:

// a phantomjs example  var page = require('webpage').create();  phantom.outputEncoding="gbk";  page.open("http://www.cnblogs.com/front-Thinking", function(status) {     if ( status === "success" ) {        console.log(page.title);      } else {        console.log("Page failed to load.");      }     phantom.exit(0);  });

然后,打开CMD命令行工具,切换到你的当前目录,敲入phantomjs hello.js,结果如下:

 PhantomJS快速入门

如果你的结果跟我的一样,那么恭喜你,你已经成功跑起来属于你的第一个PhantomJS程序了。那么我们简要介绍下上面的代码:第2 行,webpage是phantomjs的核心模块之一,它给用户提供了访问、操作、选择web文档的接口。第3行,设置下编码格式,否则输出的可能是乱 码。第4行,运行page.open函数,其中第一个参数是你要访问的url,第二个参数是一个回调函数。在回调函数里我们检查了下返回的状态,如果是 success那么我们就将浏览的url制定文档的title打印出来,如你所见,如果不是那么打印文档加载出错。最后一行退出phantomjs执行环 境。

4、PhantomJS核心API


webpage:如你所见,上面的例子我们已经见识了它的威力了。它的作用主要是提供了一套可以访问和操作web文档的核心方法,包括操作DOM、事件捕获、用户事件模拟等等。

system:该模块提供了一些与操作系统相关的接口,例如访问操作系统信息、访问系统环境变量、接受命令行参数等等与程序执行相关的系统信息。

fs:即FileSystem。熟悉NodeJS的朋友都知道,NodeJS也内建了相关的核心模块。fs提供了执行文件I/O操作的标准接口,如读写文件、删除文件等。它使得你持久化一些文件(如logfile等)变得非常容易。

webserver:如其名字一样,你可以基于它来实现自己的webserver,用来处理请求并且执行PhantomJS代码等。

其它一些配置信息,执行PhantomJS的命令格式如下:

1 phantomjs [switches] [options] [script] [argument [argument [...]]]

其中,各种参数都是可选的。例如我们第一个程序的执行命令如下:

1 phantomjs hello.js

打开debug模式(该模式用于开发,可提供必要提示信息):

1 phantomjs --debug=yes hello.js

设置cookie路径:

1 phantomjs --cookie-file=cookie.txt hello.js

5、操作page content


在helloworld中我们已经学会了如何访问一个url并取出它的title。下面我们看看如何选择并操作DOM元素:

DOM选择器,常用的getElementById、getElementByClassName、getElementByName、getElementByTagName、querySelector(CSS选择器)。

我们看一个使用querySelector的例子:

1 var content = page.evaluate(function () {  2 var element = document.querySelector('#elem');  3     return element.textContent;  4 });  5 console.log(content);

evaluate函数是个新东西,其实很简单,就是在webpage环境下执行evaluate传入的回调函数,在这里面执行与phantom相关的操作可以避免web页面刺探phantom相关的设置信息。上面的代码就比较简单了,不啰嗦了。

模仿用户点击事件:

phantomJS提供了两种模仿点击事件的接口,一个是sendEvent,phantomJS事件触发器;一个是DOM事件触发器。

我们先看看第一个,语法如下:

1 sendEvent( eventType, Point X, Point Y, button='left' )  2 eventType: mouseup  mousedown mousemove click doubleclick  3 Point X : 触发事件的X坐标  4 Point Y: 触发事件的Y坐标

第二个,我们都应该比较熟悉了:

var evt = document.createEvent("MouseEvents");  evt.initMouseEvent(      "click", // 事件类型      true,       true,       window,       1,       1, 1, 1, 1, // 事件的坐标      false, // Ctrl键标识      false, // Alt键标识      false, // Shift键标识      false, // Meta键标识      0, // Mouse左键      element); // 目标元素  element.dispatchEvent(evt);

6、事件处理

在真正的浏览器里,任何事件发生都可见,而在PhantomJS里都是不可见的。在PhantomJS里,我们可以捕获这些事件并做出相应处理。由于涉及到的事件有很多种,那么我们今天仅仅把一个比较有用的事件作为例子,基于这个事件你可以监控一个页面并做出分析:

1 var startTime = null;  2 page.onLoadStarted = function() {  3     startTime = new Date().getTime();  4 }

监听也没开始加载事件,获取初始加载时间;

var resources = [];  page.onResourceRequested = function (request) {      resource = {          "startTime": request.time,          "url": request.url      };      resources[request.id] = resource;  };    监听资源文件请求事件,获取资源发起请求的时间;

page.onResourceReceived = function (response) {      if(response.stage == "start") {          resources[response.id].size = response.bodySize;      } else if(response.stage == "end") {          resources[response.id].endTime = response.time;      }  };    监听资源文件加载完成事件,获取加载完成时间;

page.onLoadFinished = function () {      endTime = new Date();      timeInSeconds = (endTime - startTime) / 1000;      console.log("Loading takes " + timeInSeconds + " seconds.");      resources.forEach(function (resource) {          st = new Date(resource.startTime).getTime();          et = new Date(resource.endTime).getTime();          timeSpent = (et - st) / 1000;          console.log(timeSpent + " seconds : " + resource.url);      });      phantom.exit(0);  };  监听文档加载完成事件,记录完成时间,并打印出所有资源文件的耗时。

上面的on+事件,做了四件事,监听资源文件请求和加载完成事件,监听文档加载开始完成事件,获取对应的时间,这样我们就可以使用这些事件去分析这个页面的性能问题了。

7、抓取页面


将要访问的页面抓取保存为图片或者PDF文件的格式,这在PhantomJS里非常简单。我们下面就分别做一个保存图片和PDF的例子:

保存为图片:

// a phantomjs example, saved as img  var page = require('webpage').create();  page.open("http://www.cnblogs.com/front-Thinking/", function(status) {     if ( status === "success" ) {        console.log(page.title);         page.render("front-Thinking.png");     } else {        console.log("Page failed to load.");      }     phantom.exit(0);  });

注:render获取一个参数,即保存文件的文件名。结果如下:

保存为pdf:

// a phantomjs example,saved as pdf file  var page = require('webpage').create();  page.open("http://www.baidu.com", function(status) {     if ( status === "success" ) {        console.log(page.title);         page.paperSize = { format: 'A4',               orientation: 'portrait',               border: '1cm' };        page.render("front-Thinking.pdf");     } else {        console.log("Page failed to load.");      }     phantom.exit(0);  });

注:其中,pagerSize设置pdf的格式。结果如下:

 PhantomJS快速入门

利用这些提供的特性,你完全可以做一个爬虫去爬去别人的网站。

8、文件操作相关


文件操作在编码中非常有用,例如你可以将一些配置信息放在文件中,在程序执行的过程中去读取;你也可以将你程序执行过程中一些有用的信息保存为文件。因此文件I/O非常有用。我们举个简单的例子,读取文件信息:

var filePath = '/workspace/file1.js';//文件路径    //判断文件是否存在,是文件还是文件夹  if( fs.exists(filePath) && fs.isFile(filePath) ) {         var ins = fs.open(filePath, 'r');//打开文件          while(!ins.atEnd()) {//循环读取文件内容             var buffer = ins.readLine();//一行行的读取             console.log(buffer);         }  }

这里,读取文件内容并逐行打印。文件操作有以下几种方式:
1 r      //读取文件  2 w    //写文件,回覆盖  3 a     //写文件,追加  4 rb    //读取二进制流  5 rw    //写入二进制流

9、模块化


模块化是没个技术都涉及到的内容,这里不做详细介绍了。具体可参考阮一峰前辈的博客:http://www.ruanyifeng.com/blog/2012/10/javascript_module.html

10、与jQuery等第三方的结合


有很多第三方非常优秀的库函数,那么这里我们就举一个大家都非常喜欢的jQuery库函数来讲讲phantomJS与库函数的结合。代码如下:

var page = require('webpage').create();  page.open("http://www.cnblogs.com/front-Thinking/", function(status) {      if ( status === "success" ) {          page.render("before.png");          page.includeJs("http://code.jquery.com/jquery-1.10.1.min.js",               function() {                  page.evaluate(function() {                  $('#Header1_HeaderTitle').html('My PhantomJS');              });              page.render("after.png");              phantom.exit();();          });      }  });

以上代码,访问我的博客地址,并抓取截屏,加载jquery后修改我博客的标题,结果如下:

 PhantomJS快速入门

before.png

 PhantomJS快速入门


after.png

11、其它


PhantomJS可以做的事情太多了以至于我可能都介绍了只有它N分之一,N趋于无穷大。说了仅仅是入门的帖子,所以就不再深入介绍下去了, 当然我也只是个小白,暂时知道了解的也比较浅显。其实,PhantomJS可以结合Jasmine来一起做测试,可以省去很大的人力和时间成本。同时,开 源社区有很多基于PhantomJS做的工具和应用,例如前端爬虫等,有兴趣的不妨去读读。


注:转载需注明出处及作者名。

流柯