pyppeteer使用细节

windows下使用puppeteer

1，安装puppeteer的python库pyppeteer

pip install pyppeteer

2，安装chromium
第一次运行pyppeteer就会自动安装chromium。

centos 安装 puppeteer

windows 上安装 puppeteer 非常的简单，只要安装了chrome浏览器，直接就可以运行，但在 CentOS 上却没那么简单了，需要处理一大堆的依赖程序，所以把这个过程记录下来，方便以后查阅。注意：Chrome已不再支持 CentOS 6 ，所以要么升级到CentOS 7或改用FireFox（据说也不再支持CentOS6了，而且也不兼容Puppeteer）。

安装puppeteer npm包
由于防火墙的原因，我们不能直接访问google，在安装puppeteer npm包时，下载 chromium 的时候就会报错。

ERROR: Failed to download Chromium r543305! Set "PUPPETEER_SKIP_CHROMIUM_DOWNLOAD" env variable to skip download.

{ Error: connect ETIMEDOUT 172.217.160.112:443
    at TCPConnectWrap.afterConnect [as oncomplete] (net.js:1173:14)
  errno: 'ETIMEDOUT',
  code: 'ETIMEDOUT',
  syscall: 'connect',
  address: '172.217.160.112',
  port: 443 
}

所以要使用镜像安装，输入以下命令即可切换到镜像下载：

npm config set puppeteer_download_host=https://storage.googleapis.co...
如果上面镜像坏了，报404，可以试一下下面这个：

npm config set puppeteer_download_host=https://npm.taobao.org/mirror
然后像往常一样安装就可以了。

npm i puppeteer --save
安装依赖包
如果直接运行，就会产生下面错误：

/some/path/root/node_modules/puppeteer/.local-chromium/linux-543305/chrome-linux/chrome: error while loading shared libraries: libXss.so.1: cannot open shared object file: No such file or directory

所以我们需要安装依赖包，幸运的是yum里已经有相应的包，所以命令很简单：

sudo yum install google-chrome-stable
如果提示没有这个包，那就需要添加google的源来下载，如果没法访问google，那就需要找个镜像了，把下面的url替换成镜像的即可，添加文件/etc/yum.repo.d/google-chrome.repo：

[google-chrome]
name=google-chrome
baseurl=http://dl.google.com/linux/ch...$basearch
enabled=1
gpgcheck=1
gpgkey=https://dl-ssl.google.com/lin...
如果无法下载gpgkey，可以把gpgcheck的值改为0（如果你不介意安全问题），再运行一次yum的安装命令即可。

关闭沙盒模式
你以为这样就可以了？哈哈，图样图深破，你尝试运行还会有一个sandbox的错误，如果你的环境是暴露的，建议按官方教程加上沙盒运行，否则像我这样直接关闭就行，只要在js代码中加上一个no-sandbox的参数即可。

const browser = await puppeteer.launch({args: ['--no-sandbox']});
字体缺失
某些服务器默认字体是不全的，需要手动安装，如果出现类似以下错误就需要装字体：

[0427/123834.275317:FATAL:platform_font_linux.cc(83)] Check failed: InitDefaultFont(). Could not find the default font
安装方法很简单，就用yum就可以：

yum install ipa-gothic-fonts xorg-x11-fonts-100dpi xorg-x11-fonts-75dpi xorg-x11-utils xorg-x11-fonts-cyrillic xorg-x11-fonts-Type1 xorg-x11-fonts-misc -y
到这里，你的puppeteer应该就可以了~

OSError: Unable to remove Temporary User Data

Error in atexit._run_exitfuncs:
Traceback (most recent call last):
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python36\lib\site-packages\pyppeteer\launcher.py", line 201, in killChrome
    self._cleanup_tmp_user_data_dir()
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python36\lib\site-packages\pyppeteer\launcher.py", line 130, in _cleanup_tmp_user_data_dir
    raise IOError('Unable to remove Temporary User Data')
OSError: Unable to remove Temporary User Data

忘记关闭页面导致的错误，

await page.waitFor(3000)
await page.close()

pyppeteer.errors.BrowserError: Failed to connect to browser

pyppeteer.errors.BrowserError: Failed to connect to browser port:http://127.0.0.1:59000/json/version

启动时添加--disable-setuid-sandbox选项

const browser = await puppeteer.launch({
    headless: true,
   executablePath:'~/puppeteer/.local-chromium/linux-599821/chrome-linux/chrome',
    args: ['--no-sandbox', '--disable-setuid-sandbox'],
  });

pyppeteer 浏览器类和websockets.protlcol类输出巨量日志解决办法

将pyppeteer类和websockets.protlcol类的log设置为WARNING级别,可以避免WARINIG级别下的log输出。此法，可以节省程序打印无用日志的时间和日志占用的巨大空间。

pyppeteer_level = logging.WARNING
logging.getLogger('pyppeteer').setLevel(pyppeteer_level)
logging.getLogger('websockets.protocol').setLevel(pyppeteer_level)

pyppeteer_logger = logging.getLogger('pyppeteer')
pyppeteer_logger.setLevel(logging.WARNING)

在github上崔大佬开了issue，讨论避免pyppeteer类和websockets.protlcol类打印大量日志的问题。github上issue地址