PhantomJS快速入门
PhantomJS快速入门
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windowsMac OSLinux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:workspacephantomjs里。
到这里,你已经成功下载安装好PhantomJS了。那么,打开D:workspacephantomjsin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。
由于我们都比较懒,不喜欢为了运行一个程序总是跑到D:workspacephantomjsin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:workspacephantomjsin”,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:
1 // a phantomjs example 2 var page = require('webpage').create(); 3 phantom.outputEncoding="gbk"; 4 page.open("http://www.cnblogs.com/front-Thinking", function(status) { 5 if ( status === "success" ) { 6 console.log(page.title); 7 } else { 8 console.log("Page failed to load."); 9 } 10 phantom.exit(0); 11 });
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:
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:
1 var evt = document.createEvent("MouseEvents"); 2 evt.initMouseEvent( 3 "click", // 事件类型 4 true, 5 true, 6 window, 7 1, 8 1, 1, 1, 1, // 事件的坐标 9 false, // Ctrl键标识 10 false, // Alt键标识 11 false, // Shift键标识 12 false, // Meta键标识 13 0, // Mouse左键 14 element); // 目标元素 15 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;
1 var resources = []; 2 page.onResourceRequested = function (request) { 3 resource = { 4 "startTime": request.time, 5 "url": request.url 6 }; 7 resources[request.id] = resource; 8 };
监听资源文件请求事件,获取资源发起请求的时间;
1 page.onResourceReceived = function (response) { 2 if(response.stage == "start") { 3 resources[response.id].size = response.bodySize; 4 } else if(response.stage == "end") { 5 resources[response.id].endTime = response.time; 6 } 7 };
监听资源文件加载完成事件,获取加载完成时间;
1 page.onLoadFinished = function () { 2 endTime = new Date(); 3 timeInSeconds = (endTime - startTime) / 1000; 4 console.log("Loading takes " + timeInSeconds + " seconds."); 5 resources.forEach(function (resource) { 6 st = new Date(resource.startTime).getTime(); 7 et = new Date(resource.endTime).getTime(); 8 timeSpent = (et - st) / 1000; 9 console.log(timeSpent + " seconds : " + resource.url); 10 }); 11 phantom.exit(0); 12 };
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:
1 // a phantomjs example, saved as img 2 var page = require('webpage').create(); 3 page.open("http://www.cnblogs.com/front-Thinking/", function(status) { 4 if ( status === "success" ) { 5 console.log(page.title); 6 page.render("front-Thinking.png"); 7 } else { 8 console.log("Page failed to load."); 9 } 10 phantom.exit(0); 11 });
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:
1 // a phantomjs example,saved as pdf file 2 var page = require('webpage').create(); 3 page.open("http://www.baidu.com", function(status) { 4 if ( status === "success" ) { 5 console.log(page.title); 6 page.paperSize = { format: 'A4', 7 orientation: 'portrait', 8 border: '1cm' }; 9 page.render("front-Thinking.pdf"); 10 } else { 11 console.log("Page failed to load."); 12 } 13 phantom.exit(0); 14 });
注:其中,pagerSize设置pdf的格式。结果如下:
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:
1 var filePath = '/workspace/file1.js';//文件路径 2 3 //判断文件是否存在,是文件还是文件夹 4 if( fs.exists(filePath) && fs.isFile(filePath) ) { 5 var ins = fs.open(filePath, 'r');//打开文件 6 while(!ins.atEnd()) {//循环读取文件内容 7 var buffer = ins.readLine();//一行行的读取 8 console.log(buffer); 9 } 10 }
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:
1 var page = require('webpage').create(); 2 page.open("http://www.cnblogs.com/front-Thinking/", function(status) { 3 if ( status === "success" ) { 4 page.render("before.png"); 5 page.includeJs("http://code.jquery.com/jquery-1.10.1.min.js", 6 function() { 7 page.evaluate(function() { 8 $('#Header1_HeaderTitle').html('My PhantomJS'); 9 }); 10 page.render("after.png"); 11 phantom.exit();(); 12 }); 13 } 14 });
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:
before.png
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。
结束语
再次对你有如此大的耐性读这么一篇烂文到现在表示感谢(花了两个多小时写它,我也是够有耐性的了,哇咔咔)!在阅读或者敲代码过程中发现任何问题或者有任何疑问,欢迎留言指导交流!