Web Automation und Datensammlung mit Playwright (Node.js Version)

Playwright ist eine Bibliothek zum Testen und Automatisieren von Webseiten, die Browser wie Chromium, Firefox und WebKit unterstützt. Es wurde von Microsoft entwickelt und ist effizient, zuverlässig und schnell, wodurch browserübergreifende Webautomatisierungsaufgaben ermöglicht werden.

Sammeln von Amazon Produktinformationen mit Playwright

Wir können Playwright verwenden, um Benutzerverhalten zu simulieren, z. B. den Besuch von Amazon (www.amazon.com) und das Crawlen von Produktinformationen und Bewertungen. Mithilfe von CSS-Selektoren oder XPath können wir Webseitenelemente präzise lokalisieren und deren Text oder Attribute extrahieren.

Beispiel: Crawlen der Amazon Bestseller-Liste

Wir werden Playwright verwenden, um die internationale Bestsellerliste auf Amazon zu sammeln. Die Schritte sind wie folgt:

1. Besuchen Sie die Zielseite, zum Beispiel: https://www.amazon.com/b/?ie=UTF8&node=16857165011&ref_=sv_b_3
2. Wählen Sie alle Buchelemente aus (mit den Klassennamen a-section und a-spacing-base)
3. Iterieren Sie durch die Buchelemente und extrahieren Sie Informationen wie Titel, Preise, Bewertungen und die Anzahl der Rezensionen

Bereitstellung eines Playwright-Beispiels auf Leapcell

Playwright Deployment Beispiel auf Leapcell

Dieser Leitfaden bietet einen optimierten Ansatz zur Bereitstellung von Playwright-Tests auf Leapcell. Folgen Sie dem obigen Link für ein Schritt-für-Schritt-Tutorial.

Node.js Implementierungscode

Das Folgende ist die Implementierung der Datensammlung mit Node.js und Playwright:

const { chromium } = require('playwright');

(async () => {
    // Launch the browser
    const browser = await chromium.launch({ headless: true });
    const context = await browser.newContext();
    const page = await context.newPage();
    
    // Visit the Amazon search page
    await page.goto('https://www.amazon.com/');
    
    // Search for the keyword "laptop"
    await page.fill('#twotabsearchtextbox', 'laptop');
    await page.click('#nav-search-submit-button');
    
    // Wait for the page to finish loading
    await page.waitForLoadState('networkidle');
    
    // Get the list of product links
    const links = await page.evaluate(() => {
        return Array.from(document.querySelectorAll('.s-result-item h2 a'))
            .map(a => a.href);
    });
    
    // Collect product details data
    const results = [];
    for (const link of links) {
        const productPage = await context.newPage();
        await productPage.goto(link, { waitUntil: 'networkidle' });
        
        const title = await productPage.textContent('#productTitle');
        const rating = await productPage.textContent('#averageCustomerReviews .a-icon-alt').catch(() => 'N/A');
        const reviewCount = await productPage.textContent('#acrCustomerReviewText').catch(() => 'N/A');
        
        results.push({ title: title.trim(), rating, reviewCount });
        
        await productPage.close();
    }
    
    // Output the collected data
    console.log(results);
    
    // Close the browser
    await browser.close();
})();

Codeanalyse

• Initialisieren von Playwright: Verwenden Sie chromium.launch({ headless: true }), um den Browser zu starten.
• Navigieren zur Amazon-Suchseite: Verwenden Sie page.goto(), um die Website zu besuchen, das Suchfeld auszufüllen und die Suche zu senden.
• Extrahieren von Produktlinks: Verwenden Sie document.querySelectorAll(), um die URLs aller Produkte abzurufen.
• Sammeln von Produktdetails:
  • Öffnen Sie die Seite jedes Produkts.
  • Rufen Sie den Produkttitel (#productTitle) ab.
  • Rufen Sie die Bewertung (#averageCustomerReviews .a-icon-alt) ab.
  • Rufen Sie die Anzahl der Bewertungen (#acrCustomerReviewText) ab.
• Ausgeben von Daten und Schließen des Browsers

Codeoptimierung

1. Fehlerbehandlung: Einige Produkte haben möglicherweise keine Bewertungen oder Überprüfungszahlen. Verwenden Sie .catch(() => 'N/A'), um zu verhindern, dass der Code abstürzt.
2. Automatisierungseffizienz: Verwenden Sie await context.newPage(), um den Kontext wiederzuverwenden und die Seitenladegeschwindigkeit zu verbessern.
3. Vermeidung von Blockierungen:
   • Sie können den Proxy-Zugriff verwenden (z. B. die proxy-Option von Playwright).
   • Sie können den userAgent so anpassen, dass er eher einem echten Benutzer entspricht.

Mit Playwright und Node.js können wir die Datensammlung auf Amazon-Webseiten effizient automatisieren, was für Szenarien wie die E-Commerce-Datenanalyse und die Wettbewerbsforschung geeignet ist.

Leapcell: Die Serverless-Plattform der nächsten Generation für Webhosting, asynchrone Aufgaben und Redis

Abschließend möchte ich die beste Plattform für die Bereitstellung von Playwright empfehlen: Leapcell

1. Multi - Language Support

• Entwickeln Sie mit JavaScript, Python, Go oder Rust.

2. Stellen Sie unbegrenzt Projekte kostenlos bereit

• zahlen Sie nur für die Nutzung - keine Anfragen, keine Gebühren.

3. Unschlagbare Kosteneffizienz

• Pay - as - you - go ohne Leerlaufgebühren.
• Beispiel: 25 US-Dollar unterstützen 6,94 Millionen Anfragen bei einer durchschnittlichen Antwortzeit von 60 ms.

4. Optimierte Entwicklererfahrung

• Intuitive Benutzeroberfläche für mühelose Einrichtung.
• Vollautomatische CI/CD-Pipelines und GitOps-Integration.
• Echtzeitmetriken und -protokollierung für umsetzbare Erkenntnisse.

5. Mühelose Skalierbarkeit und hohe Leistung

• Automatische Skalierung zur einfachen Bewältigung hoher Parallelität.
• Kein Betriebsaufwand - konzentrieren Sie sich einfach auf das Bauen.

Erfahren Sie mehr in der Dokumentation!

Leapcell Twitter: https://x.com/LeapcellHQ