> >

在CentOS7上安装使用PhantomJS（非源码编译）

爬虫技术PhantomJS 765

踩到PhantomJS的坑了,在上文介绍过,根据官方提供的安装方法,发现一些问题:

使用 git checkout <版本号> 的时候,只有2.1.1版本能生成出build.py文件,而最新的2.1.4版本是生成不出来的,所以无法使用 python build.py命令进行编译,但即便我用2.1.1版本编译的时候不知道是不是因为网络问题一直会卡在一个地方,这个过程的确需要很长的时候,执行脚本的时候程序会提示需要30分钟左右,但是我硬生生等了3个小时它一直卡在某个地方不动.

所以,我打算放弃编译安装,就在我下载使用最新版本的二进制程序的时候使用phantomjs命令却报错

phantomjs: error while loading shared libraries: libssl.so.1.0.0: cannot open shared object file: No such file or directory

Google了一下,在官方Github的issues里面得到了一个回复建议使用旧版的2.1.1:

Try the older 2.1.1 pre-built binary and see if that works for you. For me that works on both Ubuntu and Centos.

于是重新来安装一遍

PhantomJS 2.1.1 在CentOS7中的安装方法

下载程序包

wget https://bitbucket.org/ariya/phantomjs/downloads/phantomjs-2.1.1-linux-x86_64.tar.bz2

解压文件包

tar jxvf phantomjs-2.1.1-linux-x86_64.tar.bz2

设置系统PATH变量,这里需要注意修改为你的目录地址

ln -sf /path/to/phantomjs-2.1.1-linux-x86_64/bin/phantomjs /usr/local/bin/phantomjs

检查是否可以运行

phantomjs --version

如果得到版本号2.1.1说明已经安装成功.

用PhantomJS输出第一个"Hello World!"

vi hello.js并输入以下内容

console.log('Hello, world!');
phantom.exit();

保存退出后运行

phantomjs hello.js

这时候我们应该可以看到程序输出了"Hello, world!"字样

需要注意的是: 文件末尾的 phantom.exit();非常重要,如果没有这行代码phantom程序不会退出.

页面的加载

任何页面URL都可以被page对象加载,下面这行代码展示了如何使用page对象将http://example.com截图保存成example.png的

var page = require('webpage').create();
page.open('http://example.com', function(status) {
  console.log("Status: " + status);
  if(status === "success") {
    page.render('example.png');
  }
  phantom.exit();
});

接下来我们新建一个loadspeed.js ,并用它输出加载一个页面URL所需要的时间

var page = require('webpage').create(),
  system = require('system'),
  t, address;

if (system.args.length === 1) {
  console.log('Usage: loadspeed.js <some URL>');
  phantom.exit();
}

t = Date.now();
address = system.args[1];
page.open(address, function(status) {
  if (status !== 'success') {
    console.log('FAIL to load the address');
  } else {
    t = Date.now() - t;
    console.log('Loading ' + system.args[1]);
    console.log('Loading time ' + t + ' msec');
  }
  phantom.exit();
});

运行脚本

phantomjs loadspeed.js http://www.google.com

执行结果

Loading http://www.google.com Loading time 719 msec

提取Web页面的数据

提取数据我们需要使用evaluate()函数,下面这段代码可以提取页面的title内容

var page = require('webpage').create();
page.open(url, function(status) {
  var title = page.evaluate(function() {
    return document.title;
  });
  console.log('Page title is ' + title);
  phantom.exit();
});

如果页面中包含console信息使用evaluate()是无法获取的,而是使用onConsoleMessage回调,如下面这段代码

var page = require('webpage').create();
page.onConsoleMessage = function(msg) {
  console.log('Page title is ' + msg);
};
page.open(url, function(status) {
  page.evaluate(function() {
    console.log(document.title);
  });
  phantom.exit();
});

网络请求和响应

所有的请求和响应对应使用onResourceRequested和onResourceReceived回调,使用方法

var page = require('webpage').create();
page.onResourceRequested = function(request) {
  console.log('Request ' + JSON.stringify(request, undefined, 4));
};
page.onResourceReceived = function(response) {
  console.log('Receive ' + JSON.stringify(response, undefined, 4));
};
page.open(url);

来源页面: http://phantomjs.org/quick-start.html

Post Comment